用于情境特异性群落尺度分析的人类肠道菌群全局代谢互作网络

数据集获取

源站：https://search.dataone.org/view/sha256%3A0f16139f7be45a36a3768c9deea44a2bb87965341c411a44de5758b19bc92f1a

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

一个系统层面的复杂微生物–微生物及宿主–微生物化学交互框架，将有助于阐明肠道菌群在健康与疾病中的作用。在此，我们报告一个经文献整理的人体肠道菌群种间网络，名为NJS16。这是一个广泛的数据资源，由约570种微生物和3种人类细胞类型组成，它们通过超过4，400次小分子转运和大分子降解事件进行代谢相互作用。基于我们网络的内容，我们开发了一种数学方法，以阐明特定人群（如疾病队列）中肠道微生物群落的代表性微生物和代谢特征。将该策略应用于2型糖尿病患者的微生物组数据，揭示了肠道微生物生态系统的情境特异性基础设施、具有较大代谢影响的核心微生物实体，以及可能指示相关群落代谢过程的频繁产生的代谢化合物。我们的网络预……

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。