肠道菌群与卒中风险及预后模式发现及基因组信息整合以寻找新药靶点和新治疗以改善卒中患者神经演变和功能状态
该数据集来自clinicaltrials.gov,聚焦缺血性卒中,研究肠道菌群组成与卒中风险及卒中后神经演变的关系,并探讨患者遗传与表观遗传对肠道菌群组成的影响

基本信息
资源简介
肠道菌群与卒中风险及预后模式发现及基因组信息整合以寻找新药靶点和新治疗以改善卒中患者神经演变和功能状态
该数据集来自 clinicaltrials.gov,聚焦缺血性卒中,旨在研究肠道菌群组成与卒中风险及卒中后神经演变之间的关系,并进一步探讨患者遗传与表观遗传因素对肠道菌群组成的影响。研究希望通过对卒中患者微生物组的分析,寻找治疗卒中患者的新治疗靶点。数据集在分类上归属于循环系统疾病下的其他类别,主题标签为缺血性卒中。其核心思路是将肠道菌群数据与基因组信息进行整合,以发现新的药物靶点和新的治疗手段,从而改善卒中患者的神经演变过程和功能状态。
【数据集背景】
肠道菌群的组成与卒中风险以及卒中后神经演变存在关联,同时每位患者的遗传与表观遗传特征也与肠道菌群组成相关。基于这一背景,该研究提出对卒中患者微生物组进行探索,以期找到治疗卒中患者的新治疗靶点。研究进一步计划将这些数据与基因组信息整合,用于发现新的药物靶点和新的治疗方式,最终目标是改善卒中患者的神经演变与功能状态。
【数据内容】
该数据集的主题标签为缺血性卒中,来源站描述中给出的研究条件为缺血性卒中。研究关注的核心内容包括肠道菌群组成、卒中风险、卒中后神经演变,以及患者的遗传与表观遗传信息。数据集还涉及将上述数据与基因组信息进行整合的分析方向。除这些主题性描述外,源站未提供具体变量、样本量、检测平台或数据表结构等细节。
【采集与来源】
数据来源为 clinicaltrials.gov。按照源站描述,研究将在研究实施期间从到院就诊的缺血性卒中患者中采集样本,并设定相应纳入标准:患者须年满18岁,经磁共振或头部CT证实发生缺血性卒中,不患有其他严重疾病或不稳定的医疗状况,且未参加使用神经保护药物的临床试验。源站描述还提到设有对照组,但关于对照组的说明在源站描述中未完整呈现。
【适用场景】
该数据集适用于围绕缺血性卒中与肠道菌群关系的研究场景,包括探讨菌群组成与卒中风险的关联、分析菌群组成与卒中后神经演变的关联,以及考察患者遗传与表观遗传因素对菌群组成的影响。其整合基因组信息的设计方向,也面向寻找新药物靶点与新的治疗手段、改善卒中患者神经演变和功能状态的研究用途。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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://clinicaltrials.gov/study/NCT04795687
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:
数据说明
条件:缺血性脑卒中。肠道微生物群的组成与卒中风险及卒中后神经功能演变相关。同时,每位患者的遗传学和表观遗传学与肠道微生物群的组成相关。对卒中患者微生物组的研究将有助于寻找治疗卒中患者的新治疗靶点。本研究将收集在研究进行期间来院的缺血性脑卒中患者的样本,并考虑特定标准:患者必须年满18岁,患有缺血性脑卒中(经磁共振或头部CT证实),没有其他严重疾病或不稳定的医疗状况,且未参加神经保护药物的临床试验。另一方面,对照组将是无症状的,由既往未患卒中或心血管事件且没有影响消化道疾病的人员组成。
本研究的主要变量是卒中风险及脑血管意外后的残疾风险(以第3个月时的mRS评估)。同时考虑微生物群、遗传和表观遗传变量,如细菌的存在与水平、菌群失调、基因多态性以及CpG岛甲基化水平。
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。




