Uppsala老年人血管前瞻性研究大规模非靶向血清代谢组学

该数据集来自 omicsdi.org,属于心血管系统疾病 / 动脉粥样硬化分类,主题标签为 Metabolomics。数据源自 Uppsala 老年人血管前瞻性研究(PIVUS),该研究于 2001 年邀请瑞典 Uppsala 所有 70 岁男女参与,共 1,016 名参与者(50% 女性)接受了广

omicsdi
浏览 3
表格Metabolomics
Large-scale non-targeted serum metabolomics in the Prospective Investigation of the Vasculature in Uppsala Seniors

基本信息

模态
表格
创建/更新时间
2026-10-22

资源简介

Uppsala老年人血管前瞻性研究大规模非靶向血清代谢组学

该数据集来自 omicsdi.org,属于心血管系统疾病 / 动脉粥样硬化分类,主题标签为 Metabolomics。数据源自 Uppsala 老年人血管前瞻性研究(PIVUS),该研究于 2001 年邀请瑞典 Uppsala 所有 70 岁男女参与,共 1,016 名参与者(50% 女性)接受了广泛表型分析;2006 年 3 月启动 75 岁时的再次调查,并重复了 70 岁时的主要测量。数据集公开了 70 岁调查时血清样本的全部代谢组学分析,最终分析纳入 968 名个体的样本,可用于代谢组学相关研究(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):Uppsala老年人血管前瞻性研究(PIVUS)是一项基于社区的研究,2001年邀请居住在瑞典Uppsala的所有70岁男性和女性参与。1,016名参与者(50%为女性)接受了广泛的表型分析。2006年3月,该队列在75岁时启动了再次调查。70岁时进行的主要测量也在75岁时重复进行。在此,我们公开了70岁调查时血清样本的所有代谢组学分析。在最终分析中,我们纳入了968名个体的样本。

【主题与分类】

主题标签:Metabolomics。本站分类:心血管系统疾病/动脉粥样硬化。

【获取与许可】

源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS90

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://omicsdi.org/dataset/metabolights_dataset/MTBLS90

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

乌普萨拉老年人血管前瞻性研究(PIVUS)是一项基于社区的研究,2001年邀请居住在瑞典乌普萨拉的所有70岁男性和女性参与。1016名参与者(50%为女性)接受了广泛的表型分析。2006年3月,该队列在75岁时开始了再次调查。70岁时进行的主要测量也在75岁时重复进行。在此,我们公开了70岁调查时血清样本的所有代谢组学分析数据。在最终分析中,我们纳入了来自968名个体的样本。

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。

获取专属数据定制方案