2型糖尿病肾病尿液外泌体表达分析及其临床诊断价值评估
该数据集来自 clinicaltrials.gov,聚焦 2 型糖尿病肾病,属于内分泌、营养和代谢疾病 / 糖尿病分类。数据涉及通过 GEO 数据库与文献筛选在 2 型糖尿病和糖尿病肾病中差异表达的 miRNAs 作为候选生物标志物,并采集糖尿病患者尿液样本,按 UACR≥300/g 分为 2 型糖

基本信息
资源简介
2型糖尿病肾病尿液外泌体表达分析及其临床诊断价值评估
该数据集来自 clinicaltrials.gov,聚焦 2 型糖尿病肾病,属于内分泌、营养和代谢疾病 / 糖尿病分类。数据涉及通过 GEO 数据库与文献筛选在 2 型糖尿病和糖尿病肾病中差异表达的 miRNAs 作为候选生物标志物,并采集糖尿病患者尿液样本,按 UACR≥300/g 分为 2 型糖尿病组与糖尿病肾病组,经离心保留上清,再以超速离心法分离和鉴定尿液外泌体。可用于探索尿液外泌体 miRNA 作为糖尿病肾病诊断标志物的价值(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):Conditions: Diabetic Nephropathy. 1. 初步筛选 miRNAs:通过 GEO 数据库和阅读相关文献,筛选在 2 型糖尿病和糖尿病肾病中差异表达的 miRNAs,作为后续验证的潜在候选生物标志物。2. 临床样本的采集与处理:严格按照引流标准从山东第一医科大学第一附属医院采集糖尿病患者的尿液,并登记患者基本信息。同时,根据尿液是否伴有 UACR≥300/g 将采集的样本分为 2 型糖尿病组和糖尿病肾病组。随后,将采集的样本离心并保留上清。3. 尿液外泌体的分离与鉴定:采用超速离心法分离 t
【主题与分类】
主题标签:Diabetic Nephropathy。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://clinicaltrials.gov/study/NCT06123871
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/NCT06123871
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
条件:糖尿病肾病。1. miRNA的初步筛选:通过GEO数据库及阅读相关文献,筛选在2型糖尿病和糖尿病肾病中差异表达的miRNAs,作为后续验证的潜在候选生物标志物。2. 临床样本的收集与处理:严格按照引流标准从山东第一医科大学第一附属医院收集糖尿病患者的尿液,并登记患者的基本信息。同时,根据尿液中是否伴有UACR≥300/g,将收集的样本分为2型糖尿病组和糖尿病肾病组。随后,将收集的样本离心并保留上清液。3. 尿液外泌体的分离与鉴定:采用超速离心法分离处理后的尿液样本中的外泌体,然后分别通过透射电子显微镜、纳米颗粒分析和Western blot进行鉴定。4.
采用实时荧光定量PCR检测两组患者尿液外泌体miRNA表达水平的变化,并对差异表达miRNA的临床指标进行统计分析和相关性分析。5. 对差异表达miRNA进行靶基因预测及富集通路分析,筛选出可能与DKD发生发展相关的通路,进而通过免疫荧光、免疫共沉淀、Western blot、实时荧光定量PCR等方法对相关通路进行验证。
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。




