心房颤动相关肠道菌群失调与代谢模式改变的支持数据
该数据集为一项关于心房颤动与肠道菌群及代谢模式关联研究的支持数据,基于50例心房颤动患者与50例匹配对照的宏基因组和代谢组分析,覆盖肠道微生物多样性升高、菌群组成扰动及代谢模式变化等结果

基本信息
资源简介
心房颤动相关肠道菌群失调与代谢模式改变的支持数据
Supporting data for "Disordered gut microbiota and alterations in metabolic patterns are associated with atrial fibrillation"
该数据集为一项关于心房颤动与肠道菌群及代谢模式关联研究的支持数据,基于50例心房颤动患者与50例匹配对照的宏基因组和代谢组分析,覆盖肠道微生物多样性升高、菌群组成扰动及代谢模式变化等结果。数据可用于探索心房颤动相关肠道菌群特征、微生物功能失衡与代谢改变,并支持心-肠轴方向的心血管疾病研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2019。
【数据内容】
源站描述(机器翻译,仅供参考):随着心-肠轴概念的建立,越来越多的研究表明肠道微生物组在心血管疾病的发病机制中发挥重要作用。然而,关于心房颤动中肠道菌群变化的特征,目前报道的证据很少。我们基于宏基因组和代谢组分析策略,纳入50例心房颤动患者和50例匹配对照的队列,报告了肠道微生物群中发生的整体改变结果。这些改变包括微生物多样性的显著升高以及肠道菌群组成的特定扰动。在心房颤动患者中检测到Ruminococcus、Streptococcus和Enterococcus的过度生长,以及Faecalibacterium、Alistipes、Oscillibacter和Bilophila的减少。肠道微生物功能失衡及相关代谢模式变化我们
【主题与分类】
主题标签:Metagenomic、atrial fibrillation、gut microbiota、metagenome、metabolism。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:http://gigadb.org/dataset/100597
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/10.5524/100597
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
随着心肠轴概念的建立,越来越多的研究表明肠道微生物组在心血管疾病的发病机制中起着重要作用。然而,关于心房颤动中肠道微生物群变化的特征,目前报道的证据甚少。我们基于宏基因组和代谢组分析策略,纳入了一项包含50名心房颤动患者和50名匹配对照者的队列研究,报告了肠道微生物群发生的整体改变结果。这些改变包括微生物多样性的显著升高以及肠道微生物群组成的特异性扰动。在心房颤动患者中检测到瘤胃球菌属、链球菌属和肠球菌属的过度生长,以及粪杆菌属、另枝菌属、颤杆菌属和嗜胆菌属的减少。在心房颤动的粪便和血清样本中均观察到肠道微生物功能失衡及相关的代谢模式变化。差异性的肠道微生物组特征可用于识别心房颤动患者。我们的研究结果刻画了心房颤动中紊乱的肠道微生物群及微生物代谢物谱。
针对肠道微生物组组成以对抗心房颤动进展的干预策略被强烈建议。
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。




