中国南方孤独症谱系障碍儿童肠道菌群与尿液代谢组学特征数据集
该数据集来自中国南方广西壮族自治区的88名特征明确的参与者,包含孤独症谱系障碍(ASD)儿童的肠道菌群与尿液代谢组学数据

基本信息
资源简介
中国南方孤独症谱系障碍儿童肠道菌群与尿液代谢组学特征数据集
该数据集来自中国南方广西壮族自治区的88名特征明确的参与者,包含孤独症谱系障碍(ASD)儿童的肠道菌群与尿液代谢组学数据。肠道菌群通过16S rRNA测序分析,尿液代谢组通过非靶向代谢组学分析。研究发现ASD组肠道微生物α多样性显著低于健康对照,β多样性分析显示ASD组群落结构明显不同,并富集了Faecalibacterium prausnitzii、Bifidobacterium catenulatum、Blautia obeum、Lachnoclostridium sp.和Blautia sp.等5种敏感菌种。该数据可用于探索ASD相关微生物与代谢特征及区域特点(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):为了确定肠道菌群与尿液代谢组学特征并识别孤独症谱系障碍(ASD)的区域特征,我们开展了一项队列研究,纳入来自中国南方广西壮族自治区的88名特征明确的参与者。肠道菌群与尿液代谢组学特征分别通过16S rRNA序列和非靶向代谢组学谱进行探索。我们发现ASD的肠道微生物α多样性显著低于健康对照。β多样性分析表明ASD组的群落结构明显独特。ASD儿童中显著富集了5种敏感菌种:Faecalibacterium prausnitzii、Bifidobacterium catenulatum、Blautia obeum、Lachnoclostridium sp.和Blautia sp.。此外,肠道菌群的功能分析揭示ATP结合盒和ABC-2型转
【主题与分类】
主题标签:Metabolomics。本站分类:感染性疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS12605
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://omicsdi.org/dataset/metabolights_dataset/MTBLS12605
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
为确定孤独症谱系障碍(ASD)的肠道微生物群和尿液代谢组学特征,并识别其地域特征,我们对来自中国南方广西壮族自治区的88名特征明确的参与者开展了一项队列研究。分别通过16S rRNA测序和非靶向代谢组学图谱探讨了肠道微生物群和尿液代谢组学特征。我们发现,ASD的肠道微生物α多样性显著低于健康对照。β多样性分析表明,ASD组的群落结构明显独特。ASD儿童中显著富集了5种敏感菌种,即Faecalibacterium prausnitzii、Bifidobacterium catenulatum、Blautia obeum、Lachnoclostridium sp.和Blautia sp.。此外,肠道微生物群的功能分析显示,ATP结合盒及ABC-2型转运系统ATP结合蛋白与ASD密切相关。
值得注意的是,与雄烯二酮、硬脂酰胺、油酰胺、尸胺、十六碳酰胺、乳清酸、亚油酸、棕榈油酸、月桂酸呈正相关的微生物群,提示其可能与精氨酸和脯氨酸代谢途径存在潜在关联。这些发现表明,存在典型的微生物群和代谢物特征,可区分具有地域特征的壮族ASD儿童。
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。




