HSK31679通过抑制肠道微生物鞘脂单糖基化缓解NASH的新机制
该数据集是一个医学研究数据集，包含多组学数据（如微生物宏基因组、代谢组和单细胞RNA测序）和临床实验数据，主要研究药物HSK31679通过调节肠道微生物鞘脂单糖基化过程来缓解非酒精性脂肪性肝炎（NASH）的作用机制，旨在为NASH治疗提供新的生物标志物和微生物靶向治疗策略。
基本信息
资源简介
HSK31679通过抑制肠道微生物鞘脂单糖基化缓解NASH的新机制
【数据集背景】
本数据集源站标题为《Novel mechanism of HSK31679 to alleviate NASH by suppressing the monoglucosylation of gut microbial sphingolipids》。源站首次发布：2024-04-10。
【数据内容】
源站原始描述：With no approved therapies for non-alcoholic steatohepatitis (NASH), the thyroid hormone receptor β (THR-β) agonist MGL-3196 (Resmetirom) has been highly spotlighted as the liver-directed, bioactive oral drug. However, it was also identified with remarkable heterogeneity of individual clinical efficacy and its interference with gut microbiota in host hepatoenteral circulation was still undocumented. Herein, we firstly compared NASH attenuation by MGL-3196 and its derivative drug HSK31679 in germ…
【数据结构与技术规格】
文件数 3 个，合计 24.24 MB。数据集 DOI：10.17632/6zrd9m8zm2.2。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/6zrd9m8zm2
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://data.mendeley.com/datasets/6zrd9m8zm2
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
该数据集聚焦于非酒精性脂肪性肝炎（NASH）的治疗研究，通过动物实验和临床队列数据，探究了甲状腺激素受体β（THR-β）激动剂HSK31679缓解NASH的作用机制。数据集包含无菌小鼠和特定病原体小鼠的NASH模型实验数据，以及一项随机、双盲、安慰剂对照、多剂量递增的临床试验数据（n=50）。数据内容涵盖微生物宏基因组、代谢组和单细胞RNA测序等多组学分析结果，揭示了HSK31679通过调节肠道微生物（如B. thetaiotaomicron）的鞘脂单糖基化过程，影响免疫细胞（如CD8α+树突状细胞和MINCLE+巨噬细胞）功能，从而改善NASH的潜在机制。该数据集主要用于NASH药物机制研究、微生物-宿主互作分析以及生物标志物发现。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
