Duchenne肌营养不良症自然史研究中代谢生物标志物的发现
该数据集来自一项Duchenne肌营养不良症(DMD)自然史研究,包含51例DMD患者与22例年龄匹配健康志愿者的血清样本,采用液相色谱-质谱联用(LC-MS)进行血清代谢物谱分析,用于发现与DMD相关的循环血清代谢物

基本信息
资源简介
Duchenne肌营养不良症自然史研究中代谢生物标志物的发现
Discovery of metabolic biomarkers for Duchenne Muscular Dystrophy within a natural history study
该数据集来自一项Duchenne肌营养不良症(DMD)自然史研究,包含51例DMD患者与22例年龄匹配健康志愿者的血清样本,采用液相色谱-质谱联用(LC-MS)进行血清代谢物谱分析,用于发现与DMD相关的循环血清代谢物。研究在校正年龄和研究站点并允许疾病状态与年龄交互的条件下,发现14种代谢物在DMD患者与健康对照间水平显著改变(1%错误发现率),其中精氨酸、肌酸及m/z为357和312的未知化合物升高,肌酐、雄激素衍生物及其他未知化合物降低。数据可用于DMD代谢生物标志物筛选与疾病进展相关研究(来源 DataONE,CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):对Duchenne肌营养不良症(DMD)进行血清代谢物谱分析,可能有助于发现用于疾病进展和治疗反应的有价值分子标志物。采用液相色谱-质谱联用(LC-MS)对来自一项自然史研究的51例DMD患者和22例年龄匹配健康志愿者的血清样本进行谱分析,以发现与DMD相关的新型循环血清代谢物。在校正年龄和研究站点并允许疾病状态与年龄之间存在交互作用的条件下,发现14种代谢物在DMD患者与健康对照之间的水平显著改变(1%错误发现率)。升高的代谢物包括精氨酸、肌酸以及m/z为357和312的未知化合物,降低的代谢物包括肌酐、雄激素衍生物和其他尚未鉴定的未知化合物。此外,肌酸t
【主题与分类】
主题标签:Homo Sapiens、Duchenne muscular dystrophy。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Ab7e3e4c5a96b8662288a398e0ccea5f7414d7b18d945533eafff804ca888d456
使用许可:CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
杜氏肌营养不良症(DMD)的血清代谢物谱分析可能有助于发现疾病进展和治疗反应的有价值分子标志物。本研究采用液相色谱-质谱联用技术(LC-MS)对来自自然病史研究的51例DMD患者和22例年龄匹配的健康志愿者的血清样本进行分析,以发现与DMD相关的新型循环血清代谢物。在调整年龄和研究地点并考虑疾病状态与年龄之间交互作用的情况下,发现14种代谢物在DMD患者与健康对照之间的水平存在显著差异(1%错误发现率)。升高的代谢物包括精氨酸、肌酸以及质荷比(m/z)为357和312的未知化合物,而降低的代谢物包括肌酐、雄激素衍生物及其他尚未鉴定的化合物。此外,肌酸与肌酐比值与DMD患者的疾病进展显著相关。该比值……
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




