乳糜泻发病前饮食引入麸质前血浆脂质谱持续改变
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,主题为代谢组学。数据基于芬兰儿童队列,采用质谱脂质组学方法,对23名乳糜泻进展者和23名健康对照的233份血浆样本进行纵向分析,样本按HLA风险、性别和年龄匹配,随访从出生至临床乳糜泻诊断及后续无麸质饮食引入

基本信息
资源简介
乳糜泻发病前饮食引入麸质前血浆脂质谱持续改变
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,主题为代谢组学。数据基于芬兰儿童队列,采用质谱脂质组学方法,对23名乳糜泻进展者和23名健康对照的233份血浆样本进行纵向分析,样本按HLA风险、性别和年龄匹配,随访从出生至临床乳糜泻诊断及后续无麸质饮食引入。该数据可用于探索乳糜泻临床发病前的早期脂质代谢变化,并预测疾病进展(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):目的:乳糜泻(CD)是一种慢性肠病,特征为遗传易感个体小肠内的自身免疫反应。自身免疫反应的根本原因及其对宿主代谢的影响在很大程度上仍不清楚。在此,我们对芬兰儿童队列应用脂质组学,以阐明临床CD发生前的早期事件,该队列在1型糖尿病预测与预防研究中接受随访。方法:对来自CD进展者(n = 23)和健康对照(n = 23)的233份血浆样本的纵向/前瞻性系列应用基于质谱的脂质组学分析,样本按人类白细胞抗原(HLA)风险、性别和年龄匹配。儿童从出生随访至临床CD诊断及随后引入无麸质饮食。结果:23名儿童在平均4.8岁时进展为CD。
【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/MTBLS729
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/MTBLS729
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
目的:乳糜泻(CD)是一种慢性肠病,其特征是在遗传易感个体的小肠中发生自身免疫反应。自身免疫反应的根本原因及其对宿主代谢的影响在很大程度上仍不清楚。在此,我们在芬兰儿童队列中应用脂质组学来阐明临床CD发生前的早期事件,该队列在1型糖尿病预测与预防研究中接受随访。方法:对来自CD进展者(n = 23)和健康对照(n = 23)的233份血浆样本进行基于质谱的脂质组学分析,样本为纵向/前瞻性系列,按人类白细胞抗原(HLA)风险、性别和年龄匹配。儿童从出生随访至临床CD诊断及随后引入无麸质饮食。结果:23名儿童在平均4.8岁时进展为CD。与对照组相比,他们在3个月大时显示低碳数和双键数的三酰甘油(TGs)量增加,磷脂酰胆碱水平降低。这些差异随年龄增长而加剧,但在出生时(脐带血)未观察到。
在主要甘油三酯中未观察到显著差异。讨论:我们的初步发现表明,脂质代谢异常与临床乳糜泻的发展相关,并且在首次将麸质引入饮食之前就已经出现。此外,我们的数据提示,在乳糜泻进展者中发现的特定甘油三酯升高可能是由于宿主对小肠必需脂质摄入受损的反应,需要从头脂肪生成。
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。




