HMP2 ibdmdb队列配对纵向黏膜-粪便多组学稳健参与者内推断分析脚本
该数据集为HMP2 ibdmdb队列配对黏膜活检-粪便宏基因组分析的分析脚本，覆盖84名参与者的235对配对样本（CD 114、UC 74、nonIBD 47次活检事件），配对规则为活检前后14天内最早粪便样本
基本信息
资源简介
HMP2 ibdmdb队列配对纵向黏膜-粪便多组学稳健参与者内推断分析脚本
Analysis scripts for: Robust within-participant inference for paired longitudinal mucosa-stool multi-omics (HMP2 ibdmdb cohort).
该数据集为HMP2 ibdmdb队列配对黏膜活检-粪便宏基因组分析的分析脚本，覆盖84名参与者的235对配对样本（CD 114、UC 74、nonIBD 47次活检事件），配对规则为活检前后14天内最早粪便样本。数据用于检验微生物与宿主两类假设：连续菌群失调评分驱动属水平GEE特征，以及31,126个基因的CR1聚类标准误分析。可支撑炎症性肠病配对纵向多组学的可重复推断方法研究（来源 DOI 解析，MIT License 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：HMP2 ibdmdb队列的配对黏膜活检-粪便宏基因组分析：来自84名参与者的235对匹配活检-粪便样本（CD 114 / UC 74 / nonIBD 47次活检事件；配对规则=活检前后±14天内最早的粪便样本）。检验了三个假设：H1（微生物，PASS）：连续菌群失调评分（10个疾病相关属的PC1）驱动属水平GEE特征；Faecalibacterium在CD与UC中方向相反（疾病分层主要发现）。H2（宿主，PASS）：对31,126个基因进行逐基因CR1聚类标准误分析；2,856个IBD FDR提示性，但不显著。
【主题与分类】
主题标签：inflammatory bowel disease、HMP2、paired mucosa-stool multi-omics、cluster-robust inference。本站分类：感染性疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23768737
使用许可：MIT License。
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://doi.org/10.5281/zenodo.23768737
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:
数据集大小约 38.5 MB。
数据说明
HMP2 ibdmdb队列的配对黏膜活检-粪便宏基因组分析：来自84名参与者的235对匹配活检-粪便样本（CD 114例/UC 74例/nonIBD 47例活检事件；配对规则=活检前后±14天内最早的粪便样本）。检验了三个假设：H1（微生物，通过）：连续失调评分（10种疾病相关菌属的PC1）驱动属水平GEE特征；Faecalibacterium在CD与UC中显示相反方向（疾病分层主要发现）。H2（宿主，通过）：对31,126个基因进行逐基因CR1聚类SE分析；2,856个IBD FDR<0.05；9/9个精选基因上调（CXCL1 beta=0.91、SOCS3、PTGS2、IL17A等）。H3（耦合，阴性）：基因水平33个命中（64%为非编码，包括PRSS污染标记）；模块水平炎症簇未分离（0.80-0.99范围）->提示性，但不显著。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
