鼻窦微生物组采样技术比较数据集
该数据集来自一项鼻窦微生物组采样技术的比较研究,采用配对设计,对6例慢性鼻窦炎(CRS)患者的筛窦同时采集黏膜活检与拭子样本,提取DNA后使用Roche-454测序仪和16S rRNA基因靶向引物测序,并用QIIME 1.8分析

基本信息
资源简介
鼻窦微生物组采样技术比较数据集
Data from: Sinonasal microbiome sampling: a comparison of techniques
该数据集来自一项鼻窦微生物组采样技术的比较研究,采用配对设计,对6例慢性鼻窦炎(CRS)患者的筛窦同时采集黏膜活检与拭子样本,提取DNA后使用Roche-454测序仪和16S rRNA基因靶向引物测序,并用QIIME 1.8分析。数据可用于比较黏膜组织与拭子样本的微生物群差异,评估采样方式对微生物组结果的影响,并支持鼻窦微生物组与CRS关系的进一步研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):背景:鼻窦微生物组在CRS中的作用仍不明确。我们假设黏膜相关生物膜内的细菌可能与鼻窦中更表浅、自由漂浮的细菌不同,且这可能影响所获得的微生物组结果。本研究探讨鼻窦黏膜组织样本与拭子样本的微生物群是否存在显著差异。方法:采用配对设计的横断面研究。从6例CRS患者的筛窦术中获取黏膜活检和拭子样本。提取的DNA使用16S-rRNA基因靶向引物在Roche-454测序仪上测序。数据使用QIIME 1.8软件包分析。结果:在最大子采样深度1,100条reads下,平均观测物种丰富度为33.3种(拭子为30.6,黏膜为36;p > 0.05)。
【主题与分类】
主题标签:Chronic Rhinosinusitis、Sinonasal microbiome。本站分类:感染性疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.cp8sr
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.cp8sr
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 212.3 MB。
数据说明
背景:鼻窦微生物组在CRS中的作用尚不明确。我们假设黏膜相关生物膜内的细菌可能与鼻窦中更表浅、自由漂浮的细菌不同,并且这可能影响所获得的微生物组结果。本研究探讨鼻窦黏膜组织样本与拭子样本的微生物群是否存在显著差异。方法:采用配对设计的横断面研究。从6例CRS患者的筛窦中术中获取黏膜活检和拭子样本。提取的DNA使用16S-rRNA基因靶向引物在Roche-454测序仪上进行测序。数据使用QIIME 1.8软件包进行分析。结果:在最大子采样深度为1,100条reads时,平均观察到的物种丰富度为33.3种(拭子为30.6种,黏膜为36种;p > 0.05)。两种采样方法在系统发育和非系统发育α多样性指标(Faith’s PD_Whole_Tree和Shannon指数)方面无显著差异(p > 0.05)。
样本类型对系统发育和非系统发育的β多样性指标(Unifrac和Bray-Curtis;p > 0.05)也无显著影响。结论:我们观察到黏膜组织与拭子样本的微生物群之间无显著差异。这表明,创伤较小的拭子样本能代表鼻窦黏膜微生物群,可用于未来的鼻窦微生物群研究。
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。




