尿液挥发物数据库
尿液挥发物数据库汇集了使用顶空技术结合气相色谱-质谱联用鉴定出的挥发性化合物。数据检索自32项研究，包括28项与临床应用相关的研究和4项与方法学优化相关的研究
基本信息
资源简介
尿液挥发物数据库
（Urinary volatilome database）是一个专注于尿液挥发性化合物的专业数据资源，其核心内容汇集了采用顶空技术结合气相色谱-质谱联用（GC-MS）所鉴定出的挥发性化合物。该数据库从32项研究中提取数据，其中28项涉及临床应用，4项聚焦方法学优化。为确保数据的一致性与可比性，所有检测到的化合物均通过统一的InChIKey标识符进行协调与整合，并进一步关联了化合物常用名、PubChem ID、分子量、化学式、HMDB ID、KEGG ID、Drug Bank ID以及其他相关标识符，同时利用ClassyFire本体工具标注了化学类别。该数据集由Llambrich, Maria、Ramírez, Noelia、Brezmes, Jesús和Cumeras, Raquel共同完成，发布于Zenodo平台，发布时间为2022年，采用Closed Access许可。本站将其归类于肿瘤/肛门癌领域，旨在为相关研究提供系统化的尿液挥发物参考。
【数据集背景】
尿液作为临床检测中易于获取的生物样本，其挥发性有机化合物（VOCs）能够反映机体代谢状态，在疾病诊断与生物标志物发现中具有潜在价值。然而，不同研究采用的采样方法、分析平台和数据报告方式存在差异，导致化合物鉴定结果难以直接比较。为此，该数据库通过整合多项独立研究，采用统一的化学标识符对挥发性化合物进行标准化，构建了一个可跨研究查询和对比的资源。其目标在于支持临床应用中挥发性标志物的验证，同时为方法学优化提供数据基础。该数据库特别关注肿瘤相关领域，本站分类将其归入肿瘤/肛门癌，提示其可能用于探索与肛门癌等恶性肿瘤相关的尿液挥发物特征。
【数据内容】
该数据库的核心内容是经过协调的挥发性化合物列表。对于每一项纳入的研究，数据库提取并统一了所有检测到的化合物，通过InChIKey标识符确保同一化合物在不同研究中的一致性。随后，数据库为每个化合物关联了常用名称和PubChem ID，这些信息通过PubChem标识符交换服务获取。此外，数据库还整合了分子量、化学式、HMDB ID（人类代谢组数据库）、KEGG ID（京都基因与基因组百科全书）、Drug Bank ID以及其他相关标识符，这些数据通过化学翻译服务获得。化学类别则通过ClassyFire本体工具进行标注。数据库还包含了各项研究的方法学摘要，但具体的方法学细节未在源站描述中展开。整体而言，数据内容覆盖了从化合物身份到化学分类的多层次信息，为后续分析提供了结构化的基础。
【采集与来源】
数据采集自32项独立研究，其中28项与临床应用相关，4项与方法学优化相关。所有化合物均通过顶空技术结合气相色谱-质谱联用（GC-MS）进行鉴定。数据来源站为doi.org，具体研究来源未在源站描述中逐一列出。数据库的发布机构为Zenodo，发布时间为2022年。作者包括Llambrich, Maria、Ramírez, Noelia、Brezmes, Jesús和Cumeras, Raquel。数据整合过程中，研究者使用了PubChem标识符交换服务、化学翻译服务以及ClassyFire本体工具，以确保化合物标识符和化学分类的准确性与一致性。
【适用场景】
该数据库适用于多个研究场景。首先，在肿瘤学领域，特别是与肛门癌相关的研究中，可利用该数据库探索尿液挥发性化合物作为潜在生物标志物的可能性。其次，在临床应用中，研究人员可以借助标准化的化合物列表，比较不同研究之间的挥发物谱差异，从而验证或发现新的诊断标志物。第三，在方法学研究中，该数据库可用于评估不同顶空采样、GC-MS分析条件对化合物鉴定的影响，为优化实验方案提供参考。此外，该数据库还可用于代谢组学、分析化学以及化学信息学等领域，支持化合物标识符映射、化学分类分析以及跨数据库查询。
【使用方法】
用户可通过访问doi.org获取该数据库。由于采用Closed Access许可，具体访问权限需遵循源站规定。数据库以结构化形式组织，包含化合物标识符、名称、分子量、化学式、HMDB ID、KEGG ID、Drug Bank ID以及化学类别等信息。用户可根据InChIKey或PubChem ID进行化合物检索，也可依据化学类别或研究类型筛选数据。对于临床研究，用户可重点关注28项临床应用研究的数据；对于方法学优化，则可参考4项方法学研究。数据库还提供了各项研究的方法学摘要，有助于理解数据产生的实验背景。使用时应遵循源站的引用要求，并注意许可限制。
【质量与限制】
该数据库通过统一的InChIKey标识符和多种化学翻译服务，提高了化合物标识的准确性和跨研究可比性。然而，源站描述中未提供关于数据完整性、错误率或验证过程的详细信息。此外，数据库仅涵盖尿液挥发性化合物，且仅基于32项研究，可能无法代表全部尿液挥发物组。由于采用Closed Access许可，数据的可获取性和使用范围可能受到限制。源站未提供关于样本量、人群特征、地理分布或统计功效的具体信息，因此用户在解释结果时需谨慎。化学类别的标注依赖于ClassyFire本体工具，其准确性未在源站描述中评估。
【引用与许可】
该数据库的引用信息包括作者Llambrich, Maria、Ramírez, Noelia、Brezmes, Jesús和Cumeras, Raquel，发布时间为2022年，发布机构为Zenodo。许可类型为Closed Access，意味着数据可能仅对特定用户或机构开放，具体使用条款需参考源站。建议用户在引用时遵循源站提供的引用格式，并遵守相关许可协议。由于许可限制，未经授权不得重新分发或商业使用。源站未提供具体的引用模板或DOI链接，用户需自行访问doi.org获取详细信息。
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/10.5281/zenodo.6883340
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 338.2 KB。
数据说明
尿液挥发物组数据库是通过顶空技术结合气相色谱-质谱联用技术鉴定出的挥发性化合物的汇编。数据源自32项研究，其中28项涉及临床应用，4项涉及方法学优化。对于每项研究，我们通过相同的InChIKey标识符检索并统一了所有检测到的化合物。随后，利用PubChem标识符交换服务获取了化合物最常用的名称及PubChem ID。通过化学翻译服务获取了分子量、化学式、HMDB ID（人类代谢组数据库）、KEGG ID（京都基因与基因组百科全书）、Drug Bank ID以及其他相关标识符。最后，采用ClassyFire本体工具获取了化学类别。数据集包含了Llambrich M、Brezmes J、Cumeras R在“生物医学应用中的非靶向尿液挥发物组：方法学与挥发物组数据库”一文中描述的研究方法概述。
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。
