PRJEB122585:雌激素受体阳性乳腺癌肠道微生物组成与代谢通路——病例对照研究

BioProject 是围绕单一计划汇集生物数据的集合,可来自单一组织或联盟;其记录为用户提供单一入口,用于查找该项目所产生的多种数据类型的数据链接(来源 NCBI)

sra
浏览 11
其他分类Other
PRJEB122585: Gut microbial composition and metabolic pathways in estrogen-receptor positive breast cancer: a case–control study

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-10-20

资源简介

PRJEB122585:雌激素受体阳性乳腺癌肠道微生物组成与代谢通路——病例对照研究

Gut microbiome and breast cancer (ID 1523278) - BioProject - NCBI

本条目为 NCBI BioProject 中的“Gut microbiome and breast cancer(ID 1523278)”,源站标签为 Other。BioProject 是围绕单一计划汇集生物数据的集合,可来自单一组织或联盟;其记录为用户提供单一入口,用于查找该项目所产生的多种数据类型的数据链接(来源 NCBI)。

【数据内容】

源站描述(机器翻译,仅供参考):BioProject 是与单一研究计划相关的一组生物学数据,源自单一机构或一个联盟。BioProject 记录为用户提供了一个统一入口,以便找到指向该项目所生成的各种数据类型的链接。

【主题与分类】

主题标签:Other。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJEB122585

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/bioproject/PRJEB122585

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

尽管在诊断和治疗方面取得了进展,乳腺癌仍是加拿大女性中最常见的癌症,也是癌症相关死亡的第二大原因。减少乳腺癌负担的新方法对改善公共卫生至关重要。雌激素是已知的最常见乳腺癌类型(HR阳性)的致病因素。肠道中的细菌可调控雌激素水平。这些细菌类型或数量的变化会升高雌激素水平,且在动物模型中可导致癌症发生。然而,人体研究非常有限。为了解雌激素相关肠道细菌是否在乳腺癌发生中起作用,我们开展了一项研究,纳入70名新诊断的HR阳性乳腺癌女性和70名无癌症女性(对照)。参与者将被要求填写关于膳食摄入和健康因素的问卷,并在接受激素治疗前后提供粪便样本;对照参与者则在相同时间段内提供粪便样本。采用全宏基因组鸟枪法测序测定细菌的类型和数量。在血液和粪便中测定代谢物。比较了患乳腺癌与未患乳腺癌女性之间细菌和代谢物的类型及数量差异。这些结果将为了解微生物组如何可能促进乳腺癌发生提供新知识,并可能促成减轻乳腺癌对女性及其家庭负担的新方法。

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。

获取专属数据定制方案