基于血清代谢组学识别慢性肾脏病血清生物标志物
该数据集包含通过超高效液相色谱-串联质谱技术获取的194名非透析慢性肾脏病患者和317名健康对照者的血清代谢组学数据，涵盖了314种鉴定出的差异代谢物及其相关代谢通路信息，主要用于识别慢性肾脏病的潜在血清生物标志物、研究其代谢紊乱机制，并为该疾病的诊断和管理提供新的代谢组学依据。
基本信息
资源简介
基于血清代谢组学识别慢性肾脏病血清生物标志物
【数据集背景】
本数据集源站标题为《Identification of serum biomarkers for chronic kidney disease using serum metabolomics》。配套论文《Identification of serum biomarkers for chronic kidney disease using serum metabolomics》发表于 Renal Failure（2024），DOI：10.1080/0886022X.2024.2409346。项目资助方：The study was supported by the Henan Provincial Medical Science and Technology Project (SBGJ2018035), the Key Projects of Henan Province Colleges and Universities (21A320060), Henan Province Science and Technology Innovation Personnel Training Project (YXKC2022018), the National Key Research and Development Program of China (2018YFC2000500), and the National Natural Science Foundation of China (U2004121).。源站首次发布：2024-10-08。
【数据内容】
源站原始描述：This study aimed to identify biomarkers for chronic kidney disease (CKD) by studying serum metabolomics. Serum samples were collected from 194 non-dialysis CKD patients and 317 healthy controls (HC). Using ultra-high-performance liquid chromatography-tandem mass spectrometry (UPLC-MS), untargeted metabolomics analysis was conducted. A random forest model was developed and validated in separate sets of HC and CKD patients. The serum metabolomic profiles of patients with chronic kidney disease (CK…
【数据结构与技术规格】
文件数 18 个，合计 19.42 MB。Online supplementary data S10.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，3.65 MB。Online supplementary data S11.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，18.71 KB。数据集 DOI：10.6084/m9.figshare.27188614.v1。
【主题与分类】
源站学科分类：Biochemistry、Medicine、Microbiology、Cell Biology、Genetics、Physiology。主题标签：Chronic kidney disease、serum metabolomics、metabolic pathways、biomarkers、gut microbiome。
【适用方向】
源站学科分类标注为 Biochemistry、Medicine、Microbiology、Cell Biology、Genetics、Physiology。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Identification_of_serum_biomarkers_for_chronic_kidney_disease_using_serum_metabolomics/27188614
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Identification of serum biomarkers for chronic kidney disease using serum metabolomics. Taylor & Francis. Gu, Xi; Dong, Yindi; Wang, Xuemei; Ren, Zhigang; Li, Guanhua; Hao, Yaxin; et al
【使用注意】
· 源站最后修改于 2026-01-21，引用时请注意版本时效。
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集旨在通过血清代谢组学研究识别慢性肾脏病（CKD）的生物标志物。研究收集了194名非透析CKD患者和317名健康对照者的血清样本，采用超高效液相色谱-串联质谱（UPLC-MS）技术进行非靶向代谢组学分析，并构建了随机森林模型进行训练和验证。结果显示，CKD患者的血清代谢谱与健康对照存在显著差异，共鉴定出314种差异代谢物（其中179种上调，135种下调）。KEGG富集分析揭示了包括精氨酸生物合成、苯丙氨酸代谢、亚油酸代谢和嘌呤代谢在内的关键通路。分类器在训练集和验证集中的曲线下面积（AUC）达到1，交叉验证集中为0.9435，表现出较高的诊断效能。该研究为理解非透析CKD患者的血清代谢变化提供了全面见解，并提示异常生物代谢可能参与CKD的发病机制，探索代谢物或可为CKD的管理提供新思路。
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。
