狩猎采集者与传统农民口腔微生物组数据:共生平衡与病原负荷随饮食变化
该数据集来自菲律宾三对居住地相近的狩猎采集者与传统农民人群的唾液样本,通过深度鸟枪法测序获得高覆盖度的口腔微生物组及人类基因组数据

基本信息
资源简介
狩猎采集者与传统农民口腔微生物组数据:共生平衡与病原负荷随饮食变化
Data from: Oral microbiomes from hunter-gatherers and traditional farmers reveal shifts in commensal balance and pathogen load linked to diet
该数据集来自菲律宾三对居住地相近的狩猎采集者与传统农民人群的唾液样本,通过深度鸟枪法测序获得高覆盖度的口腔微生物组及人类基因组数据。研究旨在控制环境与宿主遗传等混杂因素,比较不同生计策略对口腔健康与生理的影响,并与公开的西方饮食人群数据对比。结果显示核心菌种丰度比与生计策略显著相关,狩猎采集者与西方人群呈现不同模式。数据可用于口腔微生物组、饮食与慢性疾病关系及宏基因组学分析(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):对现代饮食的适应不良已被认为与多种慢性疾病有关。鉴于龋齿和慢性牙龈疾病等疾病在工业化社会中患病率较高,我们试图通过口腔微生物组来研究不同生计策略对口腔健康和生理的影响。为控制环境和宿主遗传等混杂变量,我们从菲律宾居住地相近的三对狩猎采集者和传统农民人群中采集了唾液样本。对唾液DNA进行深度鸟枪法测序,获得了高覆盖度的微生物组以及人类基因组。将这些微生物组与公开的西方饮食个体数据进行比较后发现,核心物种的丰度比与生计策略显著相关,狩猎采集者和西方人占据
【主题与分类】
主题标签:Metagenomics、hunter-gatherers、oral microbiome。本站分类:口腔疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.sn00q
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.sn00q
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 2.58 GB。
数据说明
对现代饮食的不适应已被认为与多种慢性疾病有关。鉴于工业化社会中龋齿和慢性牙龈疾病等疾病的患病率较高,我们试图研究不同生计策略对口腔健康和生理的影响,并以口腔微生物组为记录依据。为控制环境和宿主遗传等混杂变量,我们从菲律宾三对居住地相近的狩猎采集者和传统农民群体中采集了唾液样本。唾液DNA的深度鸟枪法测序获得了高覆盖度的微生物组以及人类基因组。将这些微生物组与来自西方饮食个体的公开可用数据进行比较后发现,核心物种的丰度比与生计策略显著相关,狩猎采集者和西方人分别占据奈瑟菌属与嗜血杆菌属梯度的两端,而传统农民则处于中间。在狩猎采集者中优先发现的物种包括通常被视为口腔病原体的微生物,尽管其宿主的口腔健康状况显然良好。
基因功能的判别分析揭示,维生素B5自养和脲酶介导的pH调节分别是微生物组对狩猎采集者和西方饮食的候选适应性特征。这些结果表明,饮食的重大转变筛选出了不同的共生微生物群落,并可能在现代口腔病原体的出现中发挥了作用。
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。




