发酵芹菜多糖与Eubacterium rectale对糖尿病大鼠肾脏保护作用
该数据集来自omicsdi.org,属于内分泌、营养和代谢疾病/糖尿病分类,主题标签为Metabolomics。研究基于大鼠模型,采用非靶向尿液代谢组学与肾功能指标,考察未发酵芹菜多糖(NFCP)、发酵芹菜多糖(FCP)、Eubacterium rectale(ER)及其联合干预(ER+FCP)对2

基本信息
资源简介
发酵芹菜多糖与Eubacterium rectale对糖尿病大鼠肾脏保护作用
该数据集来自omicsdi.org,属于内分泌、营养和代谢疾病/糖尿病分类,主题标签为Metabolomics。研究基于大鼠模型,采用非靶向尿液代谢组学与肾功能指标,考察未发酵芹菜多糖(NFCP)、发酵芹菜多糖(FCP)、Eubacterium rectale(ER)及其联合干预(ER+FCP)对2型糖尿病相关肾损伤的保护作用。使用UHPLC–QTOF/MS分析尿液代谢物谱,并通过PCA与差异代谢物分析评估代谢改变。数据可用于代谢紊乱模式识别、干预效果比较及糖尿病肾病相关代谢标志物研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):本研究旨在利用非靶向尿液代谢组学和肾功能指标,在大鼠模型中探究未发酵芹菜多糖(NFCP)、发酵芹菜多糖(FCP)、Eubacterium rectale(ER)及其联合干预(ER+FCP)对2型糖尿病(T2D)相关肾损伤的保护作用。我们采用超高效液相色谱-四极杆飞行时间质谱(UHPLC–QTOF/MS)分析尿液代谢物谱。主成分分析(PCA)显示糖尿病组(DM)存在显著代谢紊乱,而所有干预组均向更健康的代谢谱转变,其中ER和ER+FCP表现出最明显的改善。干预组的代谢改变通过差异代谢物分析得到进一步验证,FCP诱导了更多数
【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/MTBLS13958
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/MTBLS13958
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
本研究旨在探讨非发酵芹菜多糖(NFCP)、发酵芹菜多糖(FCP)、直肠真杆菌(ER)及其联合干预(ER+FCP)对2型糖尿病(T2D)大鼠模型肾损伤的保护作用,采用非靶向尿液代谢组学和肾功能指标进行分析。我们采用超高效液相色谱-四极杆飞行时间质谱联用技术(UHPLC–QTOF/MS)分析尿液代谢物谱。主成分分析(PCA)显示,糖尿病组(DM)存在显著的代谢紊乱,而所有干预组均向更健康的代谢谱转变,其中ER和ER+FCP表现出最显著的改善。差异代谢物分析进一步验证了干预组的代谢改变,与NFCP相比,FCP诱导了更多数量的显著变化。联合干预(ER+FCP)表现出协同效应,增强脂质代谢、促进炎症消退并调节胆汁酸,这些均有助于肾脏保护。
炎症标志物、氧化应激和组织学分析证实了这些干预措施在减轻肾损伤方面的有效性。我们的发现强调了发酵芹菜多糖和ER通过代谢调节和协同相互作用,在对抗糖尿病肾病方面提供增强保护的潜力。
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。




