循环代谢物在胰岛自身免疫与1型糖尿病进展中的作用
该数据集来自 omicsdi.org,聚焦内分泌、营养和代谢疾病中的糖尿病领域,主题标签为 Metabolomics。源站描述显示,研究基于前瞻性儿童队列的 415 份纵向血浆样本,涵盖进展为 1 型糖尿病、血清转为单一胰岛自身抗体阳性但未进展为 1 型糖尿病、以及抗体阴性对照三组,采用二维 GC

基本信息
资源简介
循环代谢物在胰岛自身免疫与1型糖尿病进展中的作用
该数据集来自 omicsdi.org,聚焦内分泌、营养和代谢疾病中的糖尿病领域,主题标签为 Metabolomics。源站描述显示,研究基于前瞻性儿童队列的 415 份纵向血浆样本,涵盖进展为 1 型糖尿病、血清转为单一胰岛自身抗体阳性但未进展为 1 型糖尿病、以及抗体阴性对照三组,采用二维 GC 高速飞行时间 MS 测定极性代谢物,旨在探究进展为 1 型糖尿病的儿童是否具有独特的循环极性代谢物谱。数据可用于代谢物谱分析与疾病进展预测建模(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):目的/假设:代谢失调可能先于 1 型糖尿病发病。然而,这些代谢紊乱及其在疾病起始中的具体作用仍知之甚少。在本研究中,我们检验了进展为 1 型糖尿病的儿童是否具有与后来进展为胰岛自身免疫但未进展为 1 型糖尿病的儿童以及匹配对照组不同的循环极性代谢物谱。方法:我们分析了前瞻性儿童队列中三个研究组的 415 份纵向血浆样本中的极性代谢物:进展为 1 型糖尿病者;血清转为一种胰岛自身抗体阳性但未转为 1 型糖尿病者;以及抗体阴性对照组。代谢物采用二维 GC 高速飞行时间 MS 测定。结果:在婴儿早期,进展为 1 型糖尿病与下调相关
【主题与分类】
主题标签:Metabolomics。本站分类:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS802
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://omicsdi.org/dataset/metabolights_dataset/MTBLS802
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
目的/假设:代谢失调可能先于1型糖尿病的发病。然而,这些代谢紊乱及其在疾病起始中的具体作用仍知之甚少。在本研究中,我们考察了进展为1型糖尿病的儿童是否具有与后来进展为胰岛自身免疫但未进展为1型糖尿病的儿童以及匹配对照组儿童不同的循环极性代谢物谱。方法:我们分析了前瞻性儿童队列中415份纵向血浆样本的极性代谢物,该队列分为三个研究组:进展为1型糖尿病的儿童;血清转化为一种胰岛自身抗体但未进展为1型糖尿病的儿童;以及抗体阴性对照组。代谢物采用二维GC高速飞行时间MS进行测定。结果:在婴儿早期,与对照组相比,进展为1型糖尿病与氨基酸、糖衍生物和脂肪酸(包括微生物来源的分解代谢产物)的下调相关。与对照组和血清转化为一种胰岛自身抗体的儿童相比,进展为1型糖尿病的儿童中甲硫氨酸持续上调。
胰岛自身抗体的出现与谷氨酸和天冬氨酸水平降低相关。结论/解释:我们的研究结果表明,进展为1型糖尿病的儿童具有独特的代谢特征,然而该特征会随着胰岛自身抗体的出现而发生改变。我们的发现可能有助于该疾病的早期预测。
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。




