胆管结石与胆管癌患者胆汁微生物组差异数据集

该数据集包含胆管结石和胆管癌患者的胆汁样本,通过16S rRNA基因测序获得微生物组数据,属于基因测序模态,主要用于比较两种疾病状态下胆汁微生物群落的差异,为胆道疾病的微生物标志物发现和机制研究提供数据支持。

Mendeley Data
2024-03-27 更新
浏览 17
微生物群落分析疾病研究
Differences between microbial communities in bile of choledocholithiasis and cholangiocarcinoma patients

基本信息

大小
0.75 GB
创建/更新时间
2024-03-27
版本
v1

资源简介

胆管结石与胆管癌患者胆汁微生物组差异数据集

【数据集背景】

本数据集源站标题为《Differences between microbial communities in bile of choledocholithiasis and cholangiocarcinoma patients》。源站首次发布:2020-09-17。

【数据内容】

源站原始描述:We compared the microbiome in bile fluid of choledocholithiasis patients and cholangiocarcinoma patients. Bile samples were collected from choledocholithiasis and cholangiocarcinoma patients. Microbial profiling was performed individually by the sequencing of V3-V4 regions of the 16S rRNA gene. Choledocholithiasis (E3-E28) and cholangiocarinoma (P4-P27) cases

【数据结构与技术规格】

文件数 1 个,合计 752.10 MB。数据集 DOI:10.17632/y4fm2gbdzf.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/y4fm2gbdzf

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://data.mendeley.com/datasets/y4fm2gbdzf

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

该数据集通过比较胆管结石(choledocholithiasis)患者与胆管癌(cholangiocarcinoma)患者的胆汁微生物组,旨在揭示两种疾病状态下微生物群落的差异。数据来源于临床收集的胆汁样本,通过16S rRNA基因V3-V4区域测序进行微生物谱分析,包含胆管结石(E3-E28)和胆管癌(P4-P27)病例的测序结果。该数据集主要用于微生物组与疾病关联研究,为胆道疾病的诊断、预后或治疗提供潜在的微生物标志物。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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