瘦素替代治疗对脂肪营养不良患者代谢组学影响分析
该数据集来自 search.dataone.org,聚焦瘦素替代治疗对脂肪营养不良患者代谢组学影响的研究。研究纳入19例不同形式脂肪营养不良患者,接受每日皮下注射美曲普汀16至23周,并在治疗前后进行3小时口服葡萄糖耐量试验和体成分测量

基本信息
资源简介
瘦素替代治疗对脂肪营养不良患者代谢组学影响分析
Metabolomic Analysis of the Effects of Leptin Replacement Therapy in Patients with Lipodystrophy
该数据集来自 search.dataone.org,聚焦瘦素替代治疗对脂肪营养不良患者代谢组学影响的研究。研究纳入19例不同形式脂肪营养不良患者,接受每日皮下注射美曲普汀16至23周,并在治疗前后进行3小时口服葡萄糖耐量试验和体成分测量。数据可用于分析短期美曲普汀治疗相关的代谢变化,探讨外源性瘦素在人体内的生理作用(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):背景与目的:瘦素治疗对瘦素缺乏的脂肪营养不良患者的糖脂代谢具有显著临床效果。进一步阐明外源性瘦素治疗的代谢效应将有助于理解人体瘦素生理学。我们的目的是利用代谢组学分析来检查脂肪营养不良患者接受短期美曲普汀治疗相关的变化。研究设计:我们开展了一项治疗前后研究,纳入19例(75%女性)不同形式脂肪营养不良患者(先天性全身性脂肪营养不良,n=10;获得性全身性脂肪营养不良,n=1;家族性部分性脂肪营养不良,n=8),他们接受每日皮下注射美曲普汀,持续16至23周。在治疗期前后进行3小时口服葡萄糖耐量试验和体成分测量。
【主题与分类】
主题标签:Lipodystrophy、metabolomics、Leptin、Metreleptin。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%3A3f4fffb8502590c400f53a176439596adac7417889667986c6a3c600b8e605fe
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
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
背景与目的 在伴有脂肪营养不良的瘦素缺乏患者中,瘦素治疗对糖脂代谢具有显著的临床效应。进一步阐明外源性瘦素治疗的代谢作用,将有助于理解人体瘦素生理学。我们的目标是利用代谢组学分析,检查脂肪营养不良患者接受短期美曲普汀治疗相关的改变。研究设计 我们开展了一项治疗前后研究,纳入19例(75%为女性)不同形式脂肪营养不良的患者(先天性全身性脂肪营养不良,n=10;获得性全身性脂肪营养不良,n=1;家族性部分性脂肪营养不良,n=8),每日皮下注射美曲普汀,持续16~23周。在治疗期前后进行3小时口服葡萄糖耐量试验和体成分测量,并采用空腹血样进行代谢组学分析。研究结局旨在测量瘦素治疗前后生理相关代谢物的变化。
结果 代谢组学分析揭示了涉及支链氨基酸代谢、脂肪酸氧化、蛋白质降解、尿素循环、色氨酸代谢、核苷酸分解代谢、维生素E和类固醇代谢的途径变化。治疗前后代谢物水平的倍数变化表明脂肪酸、支链氨基酸蛋白质和核酸的分解增加。结论 瘦素替代疗法对脂肪营养不良患者中重要的代谢途径有显著影响。持续的代谢组学研究可能进一步揭示瘦素替代疗法的作用机制,并提供脂肪营养不良的新生物标志物。
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。




