爱尔兰欧洲獾种群与景观遗传学数据
该数据集来自 Dryad,包含 454 份爱尔兰欧洲獾(Meles meles)样本,在 14 个微卫星位点上进行基因分型,用于研究其种群与景观遗传结构

基本信息
资源简介
爱尔兰欧洲獾种群与景观遗传学数据
Data from: The population and landscape genetics of the European badger (Meles meles) in Ireland.
该数据集来自 Dryad,包含 454 份爱尔兰欧洲獾(Meles meles)样本,在 14 个微卫星位点上进行基因分型,用于研究其种群与景观遗传结构。源站描述指出,贝叶斯与多变量聚类方法显示全岛存在连续的渐变变异,北爱尔兰可能呈现分化;景观遗传分析识别出地理距离等因素的作用。该数据可用于探讨自由分布物种的种群遗传结构如何反映景观层面效应,以及獾作为牛结核病(bTB)潜在野生动物宿主的相关生态与遗传研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):自由分布物种的种群遗传结构预计会反映景观层面的效应。量化这些因素的作用及其相对贡献通常对野生动物管理具有重要意义。欧洲獾(Meles meles)的种群遗传学已受到相当关注,部分原因是该物种在英国和爱尔兰是牛结核病(bTB)的潜在野生动物宿主。本文详细介绍了迄今为止对爱尔兰獾最全面的种群与景观遗传学研究——包含 454 份爱尔兰獾样本,在 14 个微卫星位点上进行基因分型。对比贝叶斯与多变量聚类方法显示全岛存在连续的渐变变异,北爱尔兰可能观察到分化。景观遗传分析识别出地理距离和 ele
【主题与分类】
主题标签:Gene-flow、Holocene、badger。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.3r85690
使用许可:Creative Commons Zero v1.0 Universal。
下载信息
注册下载
需要注册 Kaggle 账号并登录后下载,适合需要跟踪下载记录和使用 API 的用户。
暂未开放公开下载
无需注册即可直接获取公开样本或文档,适合快速预览和评估数据集质量。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放当前数据集主要来源为 Kaggle 公开托管,完整影像包建议通过原始链接或 Kaggle API 获取。
使用方式
数据集获取
源站:https://doi.org/10.5061/dryad.3r85690
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 部分平台提供 SDK,例如:
- OpenDataLab:
pip install openxlab后openxlab.dataset.get(...) - ModelScope:
pip install modelscope后modelscope download - 天池: 登录后页面提供直链下载
以源站「数据下载/使用文档」页面为准。
- OpenDataLab:
数据集大小约 82.6 KB。
数据说明
自由分布物种的种群遗传结构预期会反映景观层面的影响。量化这些因素的作用及其相对贡献,往往对野生动物管理具有重要意义。欧洲獾(Meles meles)的种群遗传学已受到相当关注,尤其是因为该物种在英国和爱尔兰是牛结核病(bTB)的潜在野生动物宿主。本文详细介绍了迄今为止对爱尔兰獾最为全面的种群与景观遗传学研究——包含454份爱尔兰獾样本,在14个微卫星位点上进行了基因分型。贝叶斯聚类方法与多变量聚类方法的对比显示,全岛存在连续的渐变变异,而在北爱尔兰观察到可能存在的明显分化。景观遗传分析确定地理距离和海拔是遗传分化的主要驱动因素,这与獾表现出高度的恋巢性相符。其他推测影响基因流的因素,包括蚯蚓栖息地适宜性、土地覆盖类型和香农河,几乎没有或没有可检测到的影响。
通过更准确地描绘獾种群结构及其影响因素,这些数据能够指导当前爱尔兰对该物种的管理工作,并有助于更好地理解其在牛结核病(bTB)中的作用。
数据加载示例(图像类)
from PIL import Image
import glob, os
files = (glob.glob(os.path.join(path, "**", "*.png"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.jpg"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tif"), recursive=True))
print("图像文件数:", len(files))
img = Image.open(files[0]); print("尺寸/模式:", img.size, img.mode)
# torchvision Dataset 方式:
# from torchvision import datasets
# ds = datasets.ImageFolder(path) # 要求 子目录=类别
目录组织与标注格式以源站说明和下载后实际文件为准。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




