EFO:正常血糖成人2型糖尿病早期代谢预测因子的六年前瞻性队列研究(筹备中)
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。研究纳入94名18至40岁健康正常血糖男女参与者,进行为期六年的前瞻性随访,在基线和随访时测量临床与生化指标,并开展基于LC/MS/MS的血浆非靶向代谢组学分析,旨在识别可预测2型糖尿病

基本信息
资源简介
EFO:正常血糖成人2型糖尿病早期代谢预测因子的六年前瞻性队列研究(筹备中)
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。研究纳入94名18至40岁健康正常血糖男女参与者,进行为期六年的前瞻性随访,在基线和随访时测量临床与生化指标,并开展基于LC/MS/MS的血浆非靶向代谢组学分析,旨在识别可预测2型糖尿病发生的早期代谢改变和潜在生物标志物。数据可用于代谢组学分析及2型糖尿病早期预测建模(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):引言:2型糖尿病(T2DM)是一种以胰岛素抵抗和高血糖为特征的慢性代谢性疾病,通常先于潜在的代谢紊乱出现。早期发现代谢改变有助于及时干预,以延迟或预防T2DM发病。代谢谱分析为在临床表现出现之前识别新的疾病生物标志物和代谢改变提供了有用工具。目的:本研究旨在通过六年随访,在健康正常血糖参与者队列中识别可预测T2DM的早期代谢改变和潜在生物标志物。方法:研究纳入94名18-40岁健康男女参与者,以六年为间隔进行随访。在基线和随访时测量临床和生化参数,并对血浆进行基于LC/MS/MS的非靶向代谢组学分析。结果:在随访时
【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/MTBLS10965
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/MTBLS10965
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
引言:2型糖尿病(T2DM)是一种以胰岛素抵抗和高血糖为特征的慢性代谢性疾病,通常先于潜在代谢紊乱出现。早期发现代谢改变有助于及时干预,从而延缓或预防T2DM的发生。代谢谱分析为在临床表现出现之前识别新的疾病生物标志物和代谢改变提供了有用的工具。目的:本研究旨在通过六年随访,在健康血糖正常参与者队列中识别早期代谢改变及预测T2DM的潜在生物标志物。方法:研究纳入94名健康参与者(男女均有,年龄18-40岁),以六年为间隔进行随访。测量临床和生化参数,并在基线和随访时采用基于LC/MS/MS的血浆非靶向代谢组学分析。结果:随访时,9名参与者发展为T2DM,51名患有糖尿病前期,34名仍保持血糖正常。在糖尿病前期组和正常组中均观察到胰岛素抵抗增加和未来T2DM风险升高。
代谢组学分析鉴定出磷脂酰乙醇胺(PE)(20:3_18:0)、3β,7α-二羟基-5-胆甾烯酸和十三烷酸在基线时对未来T2DM风险具有良好的预测能力,其中磷脂酰乙醇胺(PE)(20:3_18:0)和十三烷酸的改变在随访时持续存在。结论:该研究凸显了代谢组学在识别T2DM早期代谢预测因子方面的潜力,强调了对健康血糖正常的年轻成年人进行早期干预的必要性。
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。




