非酒精性脂肪性肝病中脂质与蛋白质的丰度与分布
NAFLD 是美国最常见的肝病类型，其发病率与肥胖、2型糖尿病及代谢综合征高度相似。研究假设营养过剩与体力活动减少可能参与脂肪肝的发生，目的是识别与 NAFLD 严重程度增加相关的脂肪和蛋白质种类及其数量
基本信息
资源简介
非酒精性脂肪性肝病中脂质与蛋白质的丰度与分布
非酒精性脂肪性肝病（NAFLD）是美国最常见的肝病类型，其发病率与肥胖、2型糖尿病及代谢综合征高度相似，提示代谢紊乱与肝脏脂肪沉积之间存在密切联系。本研究聚焦于非酒精性脂肪性肝病中脂质与蛋白质的丰度及分布，旨在识别与疾病严重程度增加相关的脂肪和蛋白质种类及其数量。研究假设营养过剩与体力活动减少可能共同参与脂肪肝的发生与发展，通过分析肝脏内脂质和蛋白质的组成特征，探索其与NAFLD病情进展的关联。该数据集来源于clinicaltrials.gov，归类于消化系统疾病下的其他类别，主题标签为非酒精性脂肪性肝病，可为理解NAFLD的代谢基础提供数据支持。
【数据集背景】
非酒精性脂肪性肝病是美国最常见的肝病类型，其发病率与肥胖、2型糖尿病及代谢综合征的发病率非常相似。研究者提出假设，认为营养过剩、体力活动减少与脂肪肝的发生之间可能存在关系。基于这一背景，本研究的目的是识别与非酒精性脂肪性肝病严重程度增加相关的脂肪和蛋白质种类及其数量。该数据集即围绕这一研究目标构建，主题标签明确指向非酒精性脂肪性肝病，本站分类归入消化系统疾病下的其他类别，来源站为clinicaltrials.gov。
【数据内容】
该数据集的核心内容涉及非酒精性脂肪性肝病中脂质与蛋白质的丰度和分布。具体而言，研究关注的是脂肪和蛋白质的种类以及每种的数量，并试图将这些成分特征与NAFLD的严重程度增加联系起来。数据集的主题标签为非酒精性脂肪性肝病，英文名称为“Abundance and Distribution of Lipids and Proteins in Nonalcoholic Fatty Liver Disease (NAFLD)”。关于数据的具体变量、样本量、检测平台、脂质与蛋白质的具体种类清单等，源站未提供。
【采集与来源】
该数据集的来源站为clinicaltrials.gov。源站描述中提及的研究条件为非酒精性脂肪性肝病，研究目的为识别与非酒精性脂肪性肝病严重程度增加相关的脂肪和蛋白质种类及其数量。研究假设涉及营养过剩、体力活动减少与脂肪肝发生之间的关系。关于具体的采集方法、采集时间、采集地点、样本处理流程、伦理审批信息等，源站未提供。
【适用场景】
基于现有信息，该数据集适用于与非酒精性脂肪性肝病相关的脂质和蛋白质丰度及分布研究，可服务于探索NAFLD严重程度与脂肪、蛋白质种类及数量之间关联的分析场景。其主题标签和分类表明，该数据集可能用于消化系统疾病领域内关于NAFLD代谢特征的研究。关于具体的适用分析模型、统计方法或临床决策支持场景，源站未提供。
【使用方法】
源站未提供关于该数据集具体使用方法的说明，包括数据访问方式、下载格式、预处理步骤、分析工具或软件要求等均未提及。
【质量与限制】
源站未提供关于该数据集质量评估、数据完整性、准确性、偏差控制或已知限制的说明。现有信息仅包含研究背景、目的和假设，未涉及数据质量相关的具体指标或验证结果。
【引用与许可】
源站未提供关于该数据集的引用格式、许可协议、使用条款或知识产权归属的信息。
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/NCT00983463
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
疾病：非酒精性脂肪肝病。非酒精性脂肪肝病（NAFLD）是美国最常见的肝脏疾病类型。NAFLD的发病率与肥胖、2型糖尿病及代谢综合征极为相似。研究人员假设，营养过剩、体力活动减少与脂肪肝的发展之间可能存在关联。本研究的目的是识别与NAFLD严重程度增加相关的脂肪和蛋白质类型及其各自的数量。
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。
