代谢综合征相关疾病整合多组学方法验证

数据集获取

源站：https://clinicaltrials.gov/study/NCT07248371

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

研究条件：代谢综合征（MetS）、肥胖与超重、心血管疾病（CVD）、慢性肾脏病、非酒精性脂肪性肝病、健康。本纵向、多中心研究旨在验证整合多组学方法学，以预测代谢综合征的疾病进展和并发症。参与者将从长庚纪念医院所有分院招募。符合代谢综合征诊断标准的个体将构成研究组，而年龄和性别匹配的无代谢综合征个体将作为对照组。该研究将收集外周血、尿液和粪便样本，进行全面多组学分析，包括基因组学（DNA测序）、转录组学（RNA测序）、代谢组学（血清和尿液代谢物分析）以及微生物组学（粪便微生物群分析）。每年将采集血液样本（10 mL）用于遗传和代谢组学分析，而尿液（30 mL）和粪便（1 mL）样本将用于评估代谢物和微生物特征。

这些生物样本将与从长庚研究数据库（CGRD）中获取的参与者纵向临床数据和实验室检测结果相关联，为整合分析提供统一框架。数据整合将利用先进的生物信息学流程和系统生物学工具，以识别与疾病发生和进展相关的多层分子网络。分析方法包括降维、聚类和基于机器学习的特征选择，以构建代谢并发症（如心血管疾病、慢性肾病和脂肪肝病）的预测模型。所识别的生物标志物和通路将在内部验证，并与“肥胖整合智能医疗数据库”中的既有数据进行交叉比较。所有数据将被去标识化，并安全存储在访问受限的机构服务器上。每位参与者将被分配一个唯一的研究代码以确保机密性。组学数据集与临床结局之间的数据关联将通过

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。