年龄相关性白内障患者肠道菌群失调及粪便代谢组改变

该数据集来自 omicsdi.org,聚焦年龄相关性白内障(ARC)患者的肠道菌群与粪便代谢组。研究采集 30 例 ARC 患者与 30 例年龄、性别匹配健康对照的粪便样本,通过 16S rDNA 基因测序分析肠道菌群组成,采用液相色谱-质谱(LC-MS)进行非靶向粪便代谢组学检测,并用靶向气相色谱

omicsdi
浏览 8
基因组分类Metabolomics
Gut microbiota dysbiosis and altered fecal metabolome in patients with age-related cataract

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-09

资源简介

年龄相关性白内障患者肠道菌群失调及粪便代谢组改变

该数据集来自 omicsdi.org,聚焦年龄相关性白内障(ARC)患者的肠道菌群与粪便代谢组。研究采集 30 例 ARC 患者与 30 例年龄、性别匹配健康对照的粪便样本,通过 16S rDNA 基因测序分析肠道菌群组成,采用液相色谱-质谱(LC-MS)进行非靶向粪便代谢组学检测,并用靶向气相色谱-质谱(GC-MS)定量 8 种短链脂肪酸(SCFAs)。数据可用于探索肠道菌群与眼部健康之间的肠-眼联系,识别 ARC 相关微生物分类群和代谢物差异,支持基于多元统计的分类与预测建模研究(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):年龄相关性白内障(ARC)是导致视力丧失的主要原因,其潜在机制仍不完全清楚。新出现的证据表明,肠道菌群可通过全身代谢和炎症途径影响眼部健康,但白内障中的肠-眼联系尚未被探索。我们旨在表征 ARC 患者的肠道微生物群落和粪便代谢谱。收集并分析了 30 例 ARC 患者和 30 例年龄、性别匹配的健康对照的粪便样本。通过 16S rDNA 基因测序分析肠道菌群组成,并通过液相色谱-质谱(LC-MS)进行非靶向粪便代谢组学检测。此外,通过靶向气相色谱-质谱(GC-MS)定量了 8 种短链脂肪酸(SCFAs)。使用多元统计学方法识别微生物分类群和代谢物的差异。

【主题与分类】

主题标签:Metabolomics。本站分类:内分泌、营养和代谢疾病。

【获取与许可】

源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS12932

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/MTBLS12932

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

年龄相关性白内障(ARC)是导致视力丧失的主要原因之一,其潜在机制仍未完全阐明。新出现的证据表明,肠道微生物群可通过全身代谢和炎症途径影响眼部健康,但白内障中的肠–眼联系尚未得到探索。我们旨在表征ARC患者的肠道微生物群落和粪便代谢谱。收集并分析了30例ARC患者和30例年龄、性别匹配的健康对照者的粪便样本。通过16S rDNA基因测序分析肠道微生物群组成,并通过液相色谱–质谱(LC–MS)进行非靶向粪便代谢组学分析。此外,通过靶向气相色谱–质谱(GC–MS)对8种短链脂肪酸(SCFAs)进行了定量。使用多变量统计(PCA、PLS-DA/OPLS-DA)和差异丰度检验(VIP>1,FDR校正后p<0.05)鉴定微生物分类群和代谢物的差异。

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。

获取专属数据定制方案