慢性乙型肝炎抗病毒治疗疗效预测的血浆代谢组分析:诊断生物标志物与治疗启示
该数据集来自 omicsdi.org,聚焦慢性乙型肝炎患者抗病毒治疗疗效的血浆代谢组分析。研究纳入 56 例初治 CHB 患者,随机分为发现队列(n=29)与验证队列(n=27),接受 48 周恩替卡韦联合干扰素-α 治疗,并按 HBeAg 血清学转换结果分为高应答组与低应答组

基本信息
资源简介
慢性乙型肝炎抗病毒治疗疗效预测的血浆代谢组分析:诊断生物标志物与治疗启示
该数据集来自 omicsdi.org,聚焦慢性乙型肝炎患者抗病毒治疗疗效的血浆代谢组分析。研究纳入 56 例初治 CHB 患者,随机分为发现队列(n=29)与验证队列(n=27),接受 48 周恩替卡韦联合干扰素-α 治疗,并按 HBeAg 血清学转换结果分为高应答组与低应答组。数据可用于探索血浆代谢组预测治疗应答的潜力,支持诊断生物标志物筛选与治疗机制研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):早期、准确地识别抗病毒治疗疗效的预测生物标志物仍是重大临床挑战,尤其是在慢性乙型肝炎(CHB)管理中。本研究旨在评估血浆代谢组能否可靠预测 CHB 患者抗病毒治疗的成功。我们对 2013 年 12 月至 2016 年 3 月期间浙江大学医学院附属第一医院的 56 例初治 CHB 患者进行了回顾性分析。患者被随机分配至发现队列(n=29)或验证队列(n=27),并接受为期 48 周的恩替卡韦(ETV)联合干扰素-α(IFN-α)治疗方案。根据治疗结果,患者被分为 HBeAg 血清学转换组(高应答组,Hrp)或未缓解组(低应答组,Lrp)。我们的方法包括对 t 的非靶向分析
【主题与分类】
主题标签:Metabolomics。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS10401
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://omicsdi.org/dataset/metabolights_dataset/MTBLS10401
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
早期、准确识别抗病毒治疗疗效的预测生物标志物仍是临床面临的重大挑战,尤其是在慢性乙型肝炎(CHB)的管理中。本研究旨在评估血浆代谢组能否可靠预测CHB患者抗病毒治疗的成功。我们对2013年12月至2016年3月期间在浙江大学附属第一医院就诊的56例初治CHB患者进行了回顾性分析。患者被随机分配至发现队列(n=29)或验证队列(n=27),并接受为期48周的恩替卡韦(ETV)联合干扰素-α(IFN-α)治疗方案。根据治疗结果,患者被分为HBeAg血清学转换组(高应答组,Hrp)或未缓解组(低应答组,Lrp)。
我们的方法学涉及对接受治疗的CHB患者体内胺/酚和羧酸亚代谢组进行非靶向分析,利用化学同位素标记(CIL)技术结合液相色谱-质谱联用(LC-MS)。多种代谢物被鉴定出具有显著的诊断潜力,可用于区分Hrp与Lrp,其受试者工作特征曲线下面积(AUC)超过典型临床指标。值得注意的是,四种代谢物,即2-甲基-3-酮戊酸、2-酮己酸、6-氧代-1,4,5,6-四氢烟酸和α-酮异戊酸,在两个队列中均表现出极高的敏感性和特异性,接近100%。相比之下,包括HBcAb、log(HBsAg)和HBeAb在内的临床指标在发现队列和验证队列之间表现出较低且不一致的敏感性和特异性。以HBcAb作为标志物,在发现队列中敏感性为87.5%,特异性为76.9%;然而在验证队列中,敏感性降至46.7%,特异性为91.7%。使用log(HBsAg)时,敏感性为84.6%,特异性为69.2%
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




