有没有相关的论文或文献参考？
这个数据集是基于什么背景创建的？
数据集的作者是谁？
能帮我联系到这个数据集的作者吗？
这个数据集如何下载？
Data from: Highly conserved Z and molecularly diverged W chromosomes in the fish genus Triportheus (Characiformes, Triportheidae)
收藏DataONE2016-08-09 更新2024-06-26 收录
下载链接：
https://search.dataone.org/view/null
下载链接
链接失效反馈资源简介：
The main objectives of this study were to test (i) if the W chromosome differentiation matches to species' evolutionary divergence (phylogenetic concordance) and (ii) if sex chromosomes share a common ancestor within a congeneric group. The monophyletic genus Triportheus (Characiformes, Triportheidae) was the model group for this study. All species in this genus so far analyzed have ZW sex chromosome system, where the Z is always the largest chromosome of the karyotype, while the W chromosome is highly variable ranging from almost homomorphic to highly heteromorphic. We applied conventional and molecular cytogenetic approaches including C-banding, rDNA mapping, comparative genomic hybridization (CGH) and cross species whole chromosome painting (WCP) to test our questions. We developed Z and W chromosome paints from T. auritus for cross species WCP and performed CGH in a representative species (T. signatus) to decipher level of homologies and rates of differentiation of W chromosomes. Our study reveled that the ZW sex chromosome system had a common origin, showing highly conserved Z chromosomes and remarkably divergent W chromosomes. Notably, the W chromosomes have evolved to different shapes and sequence contents within ~15-25 MYA of divergence time. Such differentiation highlights a dynamic process of W chromosome evolution within congeneric species of Triportheus.
创建时间：
2016-08-09
数据主题
5,000+
优质数据集
54 个
任务类型
进入经典数据集
热门数据集
GPQA
GPQA是一个由生物学、物理学和化学领域的专家编写的448个多选题数据集。该数据集的特点是问题质量高且极其困难，即使是具有博士学位或在读博士的专家也仅能达到65%的准确率，而高技能的非专家验证者仅有34%的准确率。数据集旨在用于研究未来AI系统在帮助解答非常困难问题时的可扩展监督方法，特别是在开发新科学知识时。
arXiv 收录
flames-and-smoke-datasets
该仓库总结了多个公开的火焰和烟雾数据集，包括DFS、D-Fire dataset、FASDD、FLAME、BoWFire、VisiFire、fire-smoke-detect-yolov4、Forest Fire等数据集。每个数据集都有详细的描述，包括数据来源、图像数量、标注信息等。
github 收录
PlantVillage
在这个数据集中，39 种不同类别的植物叶子和背景图像可用。包含 61,486 张图像的数据集。我们使用了六种不同的增强技术来增加数据集的大小。这些技术是图像翻转、伽玛校正、噪声注入、PCA 颜色增强、旋转和缩放。
OpenDataLab 收录
LANDSLIDE DETECTION
该数据集专注于山体滑坡现象的识别与分类，旨在为改进YOLOv8模型提供高质量的训练数据。数据集包含1600幅图像，类别数量为1，具体类别为“LANDSLIDE”。数据集的构建考虑了山体滑坡的多样性与复杂性，确保模型在实际应用中具备良好的泛化能力。
github 收录
TCM-Tongue
TCM-Tongue是一个专门用于人工智能辅助中医舌诊的标准化舌像数据集，包含6719张在标准化条件下捕获的高质量图像，并标注了20种病理症状类别（平均每张图像有2.54个经过临床验证的标签，所有标签均由持有执照的中医执业医师验证）。数据集支持多种标注格式（COCO、TXT、XML），以方便广泛使用，并使用九种深度学习模型进行了基准测试，以展示其在人工智能开发中的实用性。该资源为推进可靠的中医计算工具提供了关键基础，填补了该领域的数据短缺，并通过标准化、高质量的诊断数据促进了人工智能在研究和临床实践中的整合。
arXiv 收录