five

Data from: Mutation is a sufficient and robust predictor of genetic variation for mitotic spindle traits in Caenorhabditis elegans

收藏
DataONE2016-07-22 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:
Different types of phenotypic traits consistently exhibit different levels of genetic variation in natural populations. There are two potential explanations: either mutation produces genetic variation at different rates, or natural selection removes or promotes genetic variation at different rates. Whether mutation or selection is of greater general importance is a longstanding unresolved question in evolutionary genetics. We report mutational variances (VM) for 19 traits related to the first mitotic cell division in C. elegans, and compare them to the standing genetic variances (VG) for the same suite of traits in a worldwide collection C. elegans. Two robust conclusions emerge. First, the mutational process is highly repeatable: the correlation between VM in two independent sets of mutation accumulation lines is ~0.9. Second, VM for a trait is a good predictor of VG for that trait: the correlation between VM and VG is ~0.9. This result is predicted for a population at mutation-selection balance; it is not predicted if balancing selection plays a primary role in maintaining genetic variation.
创建时间:
2016-07-22
用户留言
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?
点击留言
数据主题
具身智能
数据集  4099个
机构  8个
大模型
数据集  439个
机构  10个
无人机
数据集  37个
机构  6个
指令微调
数据集  36个
机构  6个
蛋白质结构
数据集  50个
机构  8个
空间智能
数据集  21个
机构  5个
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

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

涡轮叶片缺陷数据集

本数据集是一个专门为研究航空发动机缺陷检测和识别而创建的数据集。该数据集包含了一系列涡轮叶片的图像和相关的缺陷标注信息。通过使用这个数据集,研究人员和工程师可以开展针对发动机缺陷的机器学习和深度学习算法的训练、评估和优化工作。

阿里云天池 收录

Awesome AIGC Image Detection

这是一个新的AIGC图像检测基准,包含六个数据集和十种检测方法。每个数据集都基于相应的代码运行,并提供了运行代码和环境以及结果日志。

github 收录

PASCAL VOC 2007

这个挑战的目标是从现实场景中的许多视觉对象类别中识别对象(即不是预先分割的对象)。它基本上是一个监督学习问题,因为它提供了一组标记图像的训练集。已选择的 20 个对象类别是: 人:人 动物:鸟、猫、牛、狗、马、羊 交通工具:飞机、自行车、船、公共汽车、汽车、摩托车、火车 室内:瓶子、椅子、餐桌、盆栽、沙发、电视/显示器 将有两个主要比赛和两个较小规模的“品酒师”比赛。内容:提供的训练数据由一组图像组成;每个图像都有一个注释文件,为图像中存在的 20 个类别之一中的每个对象提供一个边界框和对象类别标签。请注意,来自多个类的多个对象可能出现在同一图像中。

OpenDataLab 收录

航空发动机叶片异常检测数据集 (AeBAD)

航空发动机叶片异常检测数据集(AeBAD)由西安交通大学机械工程学院创建,包含两个子数据集:单叶片数据集(AeBAD-S)和叶片视频异常检测数据集(AeBAD-V)。AeBAD-S包含不同尺度的单叶片图像,样本未对齐,存在训练集与测试集间的域转移问题,主要由光照和视角变化引起。AeBAD-V包含安装在航空发动机上的叶片视频,用于检测叶片在旋转过程中的异常。该数据集旨在解决实际工业应用中叶片异常检测的问题,强调同一数据类别内的域多样性。

arXiv 收录