不同化学成分的青贮饲料变化对马属动物代谢组的影响
该数据集来自 omicsdi.org,主题为代谢组学,研究马属动物在化学成分和生理年龄不同的青贮饲料之间转换时的代谢适应

基本信息
资源简介
不同化学成分的青贮饲料变化对马属动物代谢组的影响
该数据集来自 omicsdi.org,主题为代谢组学,研究马属动物在化学成分和生理年龄不同的青贮饲料之间转换时的代谢适应。实验采用重复拉丁方设计,8 匹 Welsh Mountain 小马分四个 15 天周期饲喂四种青贮饲料,并在第 0、5、12、14 天采集尿液和粪便,利用 1H NMR 光谱结合 PCA 和 OPLS-DA 进行代谢谱分析,以识别饮食诱导的代谢变化。数据可用于研究饲料转换对马属动物代谢组的影响及代谢适应速度(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):快速更换饲料可导致肠道菌群失调和绞痛。目前尚不清楚在青贮饲料之间更换的代谢后果。目的:表征在植物学组成和生理年龄不同的青贮饲料之间转换的小马的尿液和粪便代谢组学,并确定代谢适应的速度。研究设计:重复拉丁方设计,8 匹 Welsh Mountain 小马。方法:小马饲喂四种青贮饲料,分四个 15 天周期;结构化三天转换旧:新 70:30;50:50;30:70;在第 13、14、15 天。第 1 天为 100% 新青贮饲料。表观消化率通过多变量混合效应模型确定,基于第 10、11、12 天的总粪便收集。在第 0、5、12 和 14 天收集尿液和粪便。使用 1H NMR 光谱对尿液和粪便进行代谢谱分析,结合 PCA 和 OPLS-DA 识别饮食诱导的代谢变化。对齐和归一化
【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/MTBLS15865
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/MTBLS15865
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
饲料的快速更换可导致菌群失调和绞痛。目前尚不清楚更换干草青贮饲料之间的代谢后果。目的:表征在植物学组成和生理年龄不同的干草青贮饲料之间过渡的小马尿液和粪便代谢组学特征,并确定代谢适应的速度。研究设计:采用8匹威尔士山地小马进行重复拉丁方设计。方法:小马分四个15天周期饲喂四种干草青贮饲料;在更换期第13、14、15天,按旧:新比例70:30、50:50、30:70进行为期三天的结构化过渡。第1天为100%新干草青贮饲料。通过多变量混合效应模型,根据第10、11、12天的总粪便收集量确定表观消化率。在第0、5、12和14天收集尿液和粪便。使用1H NMR光谱对尿液和粪便进行代谢谱分析,并采用PCA和OPLS-DA识别饮食诱导的代谢变化。通过Mathworks Matlab R2014a进行对齐和归一化(总商数法)。结果:小马在五天内实现了代谢适应。对于大多数干草青贮饲料更换,代谢组学在更换中期(第14天)功能稳定。
代谢反应由牧草化学成分驱动,而非由干草青贮类别决定。生理上年轻的干草青贮R1产生了最大的变化,包括尿甘氨酸升高以及粪便短链脂肪酸和芳香族氨基酸代谢物改变,反映出更高的蛋白质生物利用度和快速的微生物重构。主要局限性:小马均饲喂全牧草日粮,未补充配合饲料。结果可能无法反映不同干草青贮之间或不同牧草类型之间更为突然的变化。结论:对新干草青贮的代谢适应发生在最初5天内,受牧草组成影响,与纤维含量高的成熟牧草相比,低纤维干草青贮改变了代谢产物输出。在日粮混合期间代谢保持稳定。代谢组学提供了一种灵敏、非侵入性的工具,可用于区分牧草在养分可利用性和后肠方面的差异。
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。




