隔日改良禁食对肥胖大鼠代谢健康影响数据集
该数据集包含高脂饮食诱导的肥胖大鼠在隔日改良禁食干预下的实验数据,涵盖体重变化、葡萄糖耐量、血清生化指标(脂联素、胰岛素、瘦素)、肝脏胰岛素信号通路蛋白表达、炎症与氧化应激指标以及组织病理学切片等多模态实验数据,主要用于研究隔日禁食如何通过改善脂肪组织功能和调节肝脏代谢通路,将代谢不健康肥胖转化为代谢健康肥胖的分子机制与治疗效果评估。

基本信息
资源简介
隔日改良禁食对肥胖大鼠代谢健康影响数据集
【数据集背景】
本数据集源站标题为《Alternate-Day Modified Fasting Shifts Metabolically Unhealthy Obesity to Metabolically Healthy Obesity in Obese Rats》。源站首次发布:2024-08-20。
【数据内容】
源站原始描述:Alternate-day fasting is an emerging strategy for caloric restriction and treatment of obesity. We aimed to assess the effects of alternate-day modified fasting (ADMF) on adipose tissue dysfunction and hepatic insulin signaling pathway, inflammation, and oxidative stress in diet-induced obesity rats. Wistar male rats (n=18) were divided equally into three groups: control (regular chow), high-fat diet (HFD), and HFD+ADMF groups. Animals underwent assessments of weekly body weight, glucose toleran…
【数据结构与技术规格】
文件数 1 个,合计 38.11 KB。数据集 DOI:10.17632/55bkprcr4t.2。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/55bkprcr4t
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/55bkprcr4t
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
该数据集来源于一项动物实验研究,旨在评估隔日改良禁食(ADMF)对高脂饮食诱导的肥胖大鼠代谢健康的影响。数据集包含18只Wistar雄性大鼠的实验数据,分为对照组(常规饲料)、高脂饮食组和高脂饮食+ADMF干预组。数据内容包括:每周体重记录、葡萄糖耐量测试结果、血清生化标志物(如脂联素、胰岛素、瘦素)水平、肝脏组织胰岛素信号通路相关蛋白表达、炎症与氧化应激指标、以及肝脏和胰腺组织的组织病理学变化分析。数据来源为实验测量和检测,主要研究方向为探索隔日禁食干预如何通过改善脂肪组织功能障碍、调节肝脏胰岛素信号通路、减轻炎症和氧化应激,将代谢不健康肥胖转变为代谢健康肥胖的机制。该数据集适用于肥胖症干预策略、代谢健康转化机制、禁食疗法效果评估等领域的研究。
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。




