肠道菌群特征预测肥胖个体对饮食干预的宿主与菌群反应
该数据集来自 search.dataone.org，属于内分泌、营养和代谢疾病中的肥胖症方向，涉及比利时、芬兰和英国三个独立肥胖成人队列（n=78），这些队列参与了旨在改善代谢健康的不同饮食干预
基本信息
资源简介
肠道菌群特征预测肥胖个体对饮食干预的宿主与菌群反应
Gut microbiota signatures predict host and microbiota responses to dietary interventions in obese individuals
该数据集来自 search.dataone.org，属于内分泌、营养和代谢疾病中的肥胖症方向，涉及比利时、芬兰和英国三个独立肥胖成人队列（n=78），这些队列参与了旨在改善代谢健康的不同饮食干预。研究在基线及干预后采集粪便样本，使用系统发育微阵列进行肠道菌群分析，并检测血液胆固醇、胰岛素和炎症标志物。数据可用于探索肠道菌群组成与宿主代谢反应之间的关系，并支持预测个体对饮食干预的菌群与宿主反应（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：饮食与肠道微生物群之间的相互作用在健康和疾病中发挥作用，包括肥胖及相关代谢并发症。利用饮食手段调控微生物群以促进健康受到广泛关注。目前，饮食改变对微生物群和宿主代谢的影响难以预测且高度个体化。我们提出，肠道微生物群的反应性可能取决于其组成，并与宿主的代谢变化相关。方法：我们的研究涉及来自比利时、芬兰和英国的三个独立肥胖成人队列（n = 78），他们参与了旨在改善代谢健康的不同饮食干预。我们使用系统发育微阵列在基线和干预后对粪便微生物群进行全面分析。血液胆固醇、胰岛素和炎症标志物被分析。
【主题与分类】
主题标签：Obesity、Clostridium sphenoides、Clostridium felsineum、CRP、Dietary intervention、Eubacterium ruminantium、Cholesterol、Intestinal microbiota、Insulin。本站分类：内分泌、营养和代谢疾病/肥胖症。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3Aca3f112bf0c1ceae9f6c4b8b4e75c6aa746295c1a660630beecd50db9623d3b4
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景：饮食与肠道微生物群之间的相互作用在健康和疾病中发挥作用，包括肥胖及相关代谢并发症。利用饮食手段调控微生物群以促进健康备受关注。目前，饮食改变对微生物群和宿主代谢的影响难以预测且高度个体化。我们提出，肠道微生物群的反应性可能取决于其组成，并与宿主的代谢变化相关。方法：我们的研究纳入了来自比利时、芬兰和英国的三个独立肥胖成人队列（n=78），他们参与了旨在改善代谢健康的不同饮食干预。我们使用系统发育微阵列在基线和干预后对粪便微生物群进行全面分析。分析血液胆固醇、胰岛素和炎症标志物作为宿主反应的指标。数据被分为四个训练集-测试集对；每…
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。
