PRJNA1548253:基于肠道菌群与粪便代谢组学探讨畲药白苞蒿抗类风湿关节炎机制
该数据集来自NCBI,主题标签为Raw sequence reads,对应一项研究白苞蒿氯仿提取物抗类风湿关节炎机制的项目

基本信息
资源简介
PRJNA1548253:基于肠道菌群与粪便代谢组学探讨畲药白苞蒿抗类风湿关节炎机制
该数据集来自NCBI,主题标签为Raw sequence reads,对应一项研究白苞蒿氯仿提取物抗类风湿关节炎机制的项目。研究结合肠道菌群与粪便代谢组学分析,探讨其通过代谢-免疫轴恢复Treg细胞与Th17细胞平衡的作用,并采用HPLC指纹图谱、RA-FLS模型、CIA大鼠模型及ELISA、RT-qPCR、流式细胞术和组织学染色等方法。数据可用于微生物组与代谢组联合分析及中药抗炎机制研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):目的:本研究旨在基于肠道菌群与粪便代谢组学的整合分析,探讨白苞蒿(A. lactiflora)氯仿提取物(AL-E)通过调节代谢-免疫轴恢复调节性T细胞(Treg细胞)与辅助性T细胞17(Th17细胞)平衡而发挥抗类风湿关节炎(RA)作用的机制。方法:采用高效液相色谱(HPLC)指纹图谱评估十个AL-E批次的化学一致性。使用类风湿关节炎成纤维样滑膜细胞(RA-FLS)模型和胶原诱导性关节炎(CIA)大鼠模型评估AL-E的抗炎活性,并鉴定关键生物活性化合物。采用酶联免疫吸附测定(ELISA)、实时定量PCR(RT-qPCR)、流式细胞术和组织学染色进行检查
【主题与分类】
主题标签:Raw sequence reads。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/Traces/study?acc=PRJNA1548253
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://ncbi.nlm.nih.gov/Traces/study?acc=PRJNA1548253
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:本研究旨在基于肠道菌群与粪便代谢组学的整合分析,探讨白苞蒿(Artemisia lactiflora,A. lactiflora)氯仿提取物(AL-E)通过调控代谢-免疫轴恢复调节性T细胞(Treg细胞)与辅助性T细胞17(Th17细胞)平衡而发挥抗类风湿关节炎(RA)作用的机制。方法:采用高效液相色谱(HPLC)指纹图谱评价10批AL-E的化学一致性。利用类风湿关节炎成纤维样滑膜细胞(RA-FLS)模型和胶原诱导性关节炎(CIA)大鼠模型评价AL-E的抗炎活性,并鉴定关键生物活性化合物。采用酶联免疫吸附测定(ELISA)、实时定量PCR(RT-qPCR)、流式细胞术和组织学染色检测AL-E对炎性细胞因子、基质金属蛋白酶及Treg/Th17细胞亚群的调控作用。采用超高效液相色谱-四极杆飞行时间串联质谱(UPLC-Q-TOF-MS/MS)进行粪便代谢组学分析。
通过16S rRNA高通量测序分析肠道菌群组成,并利用PICRUSt预测微生物功能通路,重点关注与Treg/Th17分化相关的代谢机制。结果:AL-E在体外和体内模型中均显著抑制了包括IL-6、IL-1beta和CXCL10在内的炎症细胞因子的表达,从而减轻滑膜炎症和软骨降解。在所测试的批次中,AL-E3、AL-E6和AL-E8表现出最显著的疗效。谱效相关性分析结合细胞验证确定了santamarine、熊果酸和5alpha-hydroxycostic acid为主要抗炎成分。代谢组学分析揭示,AL-E逆转了涉及氨基
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。




