PRJEB126527:复发性外阴阴道念珠菌病的临床严重程度与宿主-微生物组状态相关
该数据集来自 NCBI,围绕复发性外阴阴道念珠菌病(RVVC)的临床严重程度与宿主-微生物组状态展开。研究纳入 RVVC 患者(n=42)与健康对照(n=38),按真菌培养状态分层,以 0-5 分评估临床严重程度,并对阴道拭子进行宏基因组测序分析分类组成与功能潜力,同时通过活检转录组学与 CD66b

基本信息
资源简介
PRJEB126527:复发性外阴阴道念珠菌病的临床严重程度与宿主-微生物组状态相关
该数据集来自 NCBI,围绕复发性外阴阴道念珠菌病(RVVC)的临床严重程度与宿主-微生物组状态展开。研究纳入 RVVC 患者(n=42)与健康对照(n=38),按真菌培养状态分层,以 0-5 分评估临床严重程度,并对阴道拭子进行宏基因组测序分析分类组成与功能潜力,同时通过活检转录组学与 CD66b 免疫染色评估宿主反应。数据可用于探索 RVVC 严重程度与阴道微生物组及宿主免疫应答之间的关联(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:复发性外阴阴道念珠菌病(RVVC;每年≥3次发作)影响5%至9%的女性,造成严重的精神、性和生殖健康负担。尽管其患病率较高,RVVC如何影响阴道微生物组组成和功能能力仍不清楚。结果:我们分析了RVVC女性(n=42)和健康对照(n=38)的阴道拭子和活检样本,按真菌培养状态分层。临床严重程度根据红肿、分泌物、干燥、皲裂和菌丝进行评分(0-5分)。对拭子进行宏基因组测序以评估分类组成和功能潜力,同时通过活检转录组学和CD66b免疫染色评估宿主反应。正如预期,与培养阴性的健康对照相比,培养阳性的RVVC组中白色念珠菌丰度显著增加(p < 0.0001)。阴道微生物组α和β
【主题与分类】
主题标签:Other。本站分类:感染性疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/Traces/study?acc=PRJEB126527
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/Traces/study?acc=PRJEB126527
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
背景:复发性外阴阴道假丝酵母菌病(RVVC;每年≥3次发作)影响5%至9%的女性,造成重大的心理、性和生殖健康负担。尽管其患病率较高,但RVVC如何影响阴道微生物组的组成和功能能力仍不明确。结果:我们分析了RVVC女性(n=42)和健康对照(n=38)的阴道拭子和活检样本,按真菌培养状态分层。临床严重程度根据红肿、分泌物、干燥、皲裂和菌丝进行评分(0-5分)。对拭子进行宏基因组测序以评估分类组成和功能潜力,同时通过活检转录组学和CD66b免疫染色评估宿主反应。正如预期,与培养阴性的健康对照相比,培养阳性的RVVC组中白色念珠菌丰度显著增加(p < 0.0001)。阴道微生物组的α多样性和β多样性,以及15种最优势细菌物种的相对丰度,在这些组之间没有差异。
相比之下,按临床严重程度分层显示出微生物组组成和功能潜力的显著方向性变化(PERMANOVA p = 0.03 和 p < 0.05)。较高的临床评分与白色念珠菌丰度增加(Spearman ρ = 0.60)、卷曲乳杆菌丰度降低(Spearman ρ = −0.30)以及核苷酸和核苷代谢途径丰度增加相关。转录组分析识别出一个独特的培养阳性RVVC样本亚群,其特征为中性粒细胞活化和炎症相关表达增加。这些样本对应于临床评分较高的参与者,并进一步以白色念珠菌和惰性乳杆菌丰度增加、氨基酸生物合成途径耗竭以及阴道黏膜中CD66b阳性中性粒细胞升高为特征。其余培养阳性RVVC样本的转录谱与对照组相当,且c
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。




