HFD诱导肥胖小鼠接受丹蒌片治疗后肠道菌群16S rRNA基因测序

该数据集为C57BL/6N小鼠在正常饮食、高脂饮食及高脂饮食联合高剂量丹蒌片干预22周后的粪便肠道菌群V3-V4区16S rRNA基因测序数据,每组10只6周龄雄性小鼠,第20周采集粪便,采用Illumina双端平台测序,包含原始测序reads、ASV表和分类注释结果,可用于分析丹蒌片对高脂饮食诱导

sra
浏览 12
基因组分类Raw sequence reads
PRJNA1445993: 16S rRNA gene sequencing of gut microbiota in HFD-induced obese mice treated with Danlou tablet

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-20

资源简介

HFD诱导肥胖小鼠接受丹蒌片治疗后肠道菌群16S rRNA基因测序

该数据集为C57BL/6N小鼠在正常饮食、高脂饮食及高脂饮食联合高剂量丹蒌片干预22周后的粪便肠道菌群V3-V4区16S rRNA基因测序数据,每组10只6周龄雄性小鼠,第20周采集粪便,采用Illumina双端平台测序,包含原始测序reads、ASV表和分类注释结果,可用于分析丹蒌片对高脂饮食诱导肥胖小鼠肠道菌群多样性、群落结构及差异类群的影响(来源 ncbi.nlm.nih.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集呈现了C57BL/6N小鼠在三种干预条件下的粪便肠道菌群V3-V4区16S rRNA基因测序数据:正常饲料饮食(Control)、高脂饮食(HFD,60%脂肪)以及高脂饮食联合高剂量丹蒌片(DLT-H,1360 mg/kg/天),持续22周。每组包括10只6周龄雄性小鼠,在第20周采集粪便样本。测序在Illumina双端平台上进行,数据包括原始测序reads、ASV表和分类注释结果。该数据集表征了DLT对HFD诱导肥胖小鼠肠道微生物多样性、群落结构和差异类群的影响,为研究中药对代谢综合征中肠道菌群的调节提供了资源。所有动物实验均经河南大学实验动物伦理委员会批准。

【主题与分类】

主题标签:Raw sequence reads。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://ncbi.nlm.nih.gov/bioproject/PRJNA1445993

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://ncbi.nlm.nih.gov/bioproject/PRJNA1445993

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。

数据说明

本数据集呈现了C57BL/6N小鼠在三种干预条件下粪便肠道菌群的V3-V4区16S rRNA基因测序数据:正常饲料饮食(对照组)、高脂饮食(HFD,60%脂肪)以及高脂饮食联合高剂量丹蒌片(DLT-H,1360 mg/kg/天)持续22周。每组包含10只6周龄雄性小鼠,于第20周采集粪便样本。测序在Illumina双端平台上进行,数据包括原始测序读长、ASV表和分类学注释结果。该数据集描述了DLT对HFD诱导肥胖小鼠肠道微生物多样性、群落结构及差异菌群的影响,为研究中药对代谢综合征中肠道菌群的调节作用提供了资源。所有动物实验均经河南中医药大学实验动物伦理委员会批准(IACUC-202403008)。

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。

获取专属数据定制方案