早期生命蛋白质组与微生物组特征预示26年随访中的肥胖风险

数据集获取

源站：https://doi.org/10.5061/dryad.2v6wwq042

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据集大小约 3.6 MB。

数据说明

肥胖的早期生命驱动因素尚未被充分了解。儿童肥胖在全球范围内呈上升趋势，然而很少有研究考察早期童年时期的微生物组和蛋白质组与这一结局的关系，且多数为横断面设计。ABIS出生队列（n = 16,683）中的早期生命因素与至26岁的肥胖相关（平均随访25.3年，范围23.7-26.5年）：生命第一年的心理社会应激源、吸烟、感染和饮食。评估了生物学标志物，包括出生时的代谢组（n = 290）和蛋白质组（n = 358）以及一岁时的肠道微生物（n = 1,743）。在日后发生肥胖的婴儿中发现了显著差异，包括ANGPTL4、FST和HGF升高（独立于母亲体重）以及异己酸、色氨酸和油酸降低，并存在产前中介效应。一岁时Akkermansia、非糖解菌（Phascolarctobacterium和Senegalimassiliensia）以及雌马酚产生菌（Adlercreutzia和Slackia）耗竭。

机器学习模型筛选出40个最具预测性的特征，显示出从出生时的蛋白质组学和1岁时的细菌分类群进行长期预测的能力（AUC = 0.83 ± 0.05，n = 1,877），以及在前八年中加入父母和儿童BMI等额外指标后的预测能力（AUC = 0.89 ± 0.02，n = 1,877），提示存在持久的生物学编码。已发表研究中使用的处理后数据（生物学数据和元数据）包括16S rRNA相对丰度（bac_变量）和归一化的Olink蛋白NPX值（NPX_变量），以及ABIS问卷的应答。不包含任何可识别信息。结局变量在meta_ObesitasDiag_2024中编码为0/1。总体而言，我们的研究结果提示了具有临床相关性的生物标志物，指向生命早期胆汁酸代谢、脂质储存与氧化以及免疫—代谢信号传导的调控，并提示了前瞻性预防儿童期和成年期肥胖的路径，即使在长达26年的预测间隔下亦然。

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。