人脂肪细胞 Depot 特异性分析及其对 Bisphenol S 的响应
暴露于内分泌干扰化学物（EDCs）与包括肥胖和糖尿病在内的不良健康结局相关。肥胖，更具体地说是内脏肥胖，与代谢疾病相关。脂肪组织是一个内分泌器官，也是包括双酚类在内的许多环境污染物的潜在靶标
基本信息
资源简介
人脂肪细胞 Depot 特异性分析及其对 Bisphenol S 的响应
该数据集英文名为“Depot-specific analysis of human adipose cells and their responses to Bisphenol S”，聚焦于人体脂肪细胞在不同脂肪库中的差异及其对双酚S（BPS）的响应。内分泌干扰化学物暴露与肥胖、糖尿病等不良健康结局相关，而肥胖尤其是内脏肥胖与代谢疾病密切相关。脂肪组织作为内分泌器官，是包括双酚类在内的许多环境污染物的潜在靶标。皮下与网膜（内脏）脂肪库由成熟脂肪细胞及驻留祖细胞构成，不同脂肪库之间可能存在差异，并可能成为内分泌干扰化学物的靶点。双酚A（BPA）是可疑的代谢干扰物，正被双酚S等结构类似物替代；与BPA类似，BPS可诱导小鼠及人原代皮下前脂肪细胞的脂肪生成，但其对网膜前脂肪细胞的作用尚不清楚。该研究显示，人网膜脂肪库来源的原代祖细胞具有独特性状。
【数据集背景】
内分泌干扰化学物暴露与包括肥胖和糖尿病在内的不良健康结局相关。肥胖，更具体地说是内脏肥胖，与代谢疾病相关。脂肪组织是一个内分泌器官，也是包括双酚类在内的许多环境污染物的潜在靶标。双酚A是可疑的代谢干扰物，正被结构相似的化合物如双酚S替代。与BPA类似，BPS可诱导小鼠及人原代皮下前脂肪细胞的脂肪生成，但BPS对网膜前脂肪细胞的影响尚不清楚。该数据集围绕人体脂肪细胞在不同脂肪库中的差异及其对BPS的响应展开分析。
【数据内容】
该数据集涉及人体脂肪细胞及不同脂肪库来源原代祖细胞对双酚S响应的分析。研究关注皮下与网膜（内脏）脂肪库，这两个脂肪库由成熟脂肪细胞及驻留祖细胞构成，不同脂肪库之间可能存在差异，并可能成为内分泌干扰化学物的靶点。研究显示，人网膜脂肪库来源的原代祖细胞具有独特性状。源站描述在此处未完整给出，其余具体数据内容源站未提供。
【采集与来源】
该数据集来源于search.dataone.org。源站描述提及研究涉及人原代皮下前脂肪细胞与网膜前脂肪细胞，以及小鼠模型中的脂肪生成诱导结果。其余关于样本采集地点、采集时间、采集流程等信息源站未提供。
【适用场景】
该数据集属于内分泌、营养和代谢疾病 / 糖尿病分类，适用于探讨内分泌干扰化学物暴露与肥胖、糖尿病等代谢疾病关联的研究背景，特别是围绕脂肪组织作为内分泌器官及环境污染物靶标的分析。可用于关注皮下与内脏脂肪库差异、前脂肪细胞脂肪生成及双酚类化合物代谢干扰作用的研究场景。其余具体适用场景源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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
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
暴露于内分泌干扰化学物（EDCs）与包括肥胖和糖尿病在内的不良健康结局相关。肥胖，尤其是内脏肥胖，与代谢性疾病相关。脂肪组织是一个内分泌器官，也是许多环境污染物（包括双酚类）的潜在靶标。皮下和网膜（内脏）脂肪库由成熟脂肪细胞和驻留祖细胞组成，这些细胞在不同脂肪库之间可能存在差异，并可能成为EDCs的靶标。双酚A（BPA）是一种可疑的代谢干扰物，目前正被结构相似的化合物如双酚S（BPS）所替代。与BPA类似，BPS可在小鼠和原代人皮下前脂肪细胞中诱导脂肪生成。然而，BPS对网膜前脂肪细胞的影响尚不清楚。在本研究中，我们显示来自网膜脂肪库的人原代祖细胞与来自供体匹配的皮下脂肪库的祖细胞相比，具有独特的转录组特征……
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。
