基于代谢组学鉴定苦瓜化学型:一种在中医中具有糖尿病管理潜力的植物
该数据集来自 omicsdi.org,围绕苦瓜(Momordica charantia)的代谢组学研究,属于内分泌、营养和代谢疾病 / 糖尿病分类

基本信息
资源简介
基于代谢组学鉴定苦瓜化学型:一种在中医中具有糖尿病管理潜力的植物
该数据集来自 omicsdi.org,围绕苦瓜(Momordica charantia)的代谢组学研究,属于内分泌、营养和代谢疾病 / 糖尿病分类。研究采用 UHPLC-HRMS 对采集自中国不同地区的 55 份苦瓜种子样品进行代谢物 profiling,旨在识别不同苦瓜品种间的化学型,阐明其生物活性代谢物多样性的意义,并为苦瓜品种选择提供依据。数据可用于代谢组学分析、化学型分类及苦瓜抗糖尿病相关活性成分研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):引言:苦瓜(Momordica charantia,葫芦科)是一种常见的食用药用植物,在中国民间医学中被用作治疗糖尿病和肥胖的植物膳食补充剂。此前,我们团队已证明葫芦烷三萜类化合物参与苦瓜的抗糖尿病作用以及增加能量消耗。然而,三萜类化合物的组成可能受到品种或产地变化的影响。目的:为阐明不同苦瓜之间生物活性代谢物多样性的意义,并为苦瓜品种选择提供指南,开展了一项探索性研究,使用基于 UHPLC-HRMS 的代谢组学研究来鉴定化学型。方法:通过 UHPLC-HRMS 对采集自中国不同地区的 55 份苦瓜种子样品的代谢物进行了 profiling。profiling 数据……
【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/MTBLS701
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/MTBLS701
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:苦瓜(Momordica charantia,葫芦科)是一种常见的食用药用植物,在中国民间医学中被用作植物膳食补充剂,用于治疗糖尿病和肥胖症。此前,我们团队已证明葫芦烷型三萜类化合物参与了苦瓜的抗糖尿病作用以及增加能量消耗。然而,三萜类化合物的组成可能受到品种或产地变化的影响。目的:为阐明不同苦瓜之间生物活性代谢物多样性的意义,并为苦瓜品种的选择提供指导,我们开展了一项探索性研究,采用基于UHPLC-HRMS的代谢组学研究来鉴定化学型。方法:采用UHPLC-HRMS对不同中国地区采集的55份苦瓜种子样品的代谢物进行了分析。分析数据采用多元(MVA)统计方法进行处理。应用主成分分析(PCA)和层次聚类分析(HCA)进行样品区分。
通过将光谱数据与分离化合物进行比较来鉴定标志性化合物,并通过从UHPLC-HRMS & MS/MS代谢物谱生成的分子网络(MN)中传播注释,推定鉴定了额外的三萜类化合物。结果:PCA和HCA能够很好地区分来自中国不同产地的苦瓜样品。本研究首次揭示了苦瓜存在两种化学型。这两种化学型的标志性化合物在不同MSI水平上被鉴定。MN和MVA的综合结果表明,这两种化学型的主要差异在于葫芦烷型与齐墩果烷型三萜皂苷(CTGs vs. OTGs)的丰富程度。结论:我们的发现揭示了苦瓜品种间生物活性成分存在明显的化学型分布。虽然单个CTGs和OTGs的生物活性仍需更深入研究
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。




