皮肤T细胞淋巴瘤黑人与白人患者皮肤微生物组差异研究补充图表数据集

该数据集包含皮肤T细胞淋巴瘤患者皮肤微生物组研究的补充图表和表格,数据模态包括文本、统计表格和图像,通过对比黑人和白人患者的皮肤样本测序结果,揭示了微生物组差异,主要用于探索皮肤微生物与淋巴瘤的关联性以及种族因素在疾病微生物生态中的影响。

Mendeley Data
浏览 16
Supplementary figures and tables for 'Skin microbiota differs between Black and White patients with cutaneous T-cell lymphoma'

基本信息

大小
0.00165606 GB
创建/更新时间
2026-09-20
版本
v2

资源简介

皮肤T细胞淋巴瘤黑人与白人患者皮肤微生物组差异研究补充图表数据集

【数据集背景】

本数据集源站标题为《Supplementary figures and tables for "Skin microbiota differs between Black and White patients with cutaneous T-cell lymphoma"》。源站首次发布:2025-05-06。

【数据内容】

源站原始描述:This data set contains the supplementary methods, supplementary figures (7), and supplementary tables (7), for our manuscript titled "Skin microbiota differs between Black and White patients with cutaneous T-cell lymphoma."

【数据结构与技术规格】

文件数 1 个,合计 1.66 MB。数据集 DOI:10.17632/78h3nvwggm.2。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/78h3nvwggm

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/78h3nvwggm/2

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

该数据集为医学研究论文《皮肤T细胞淋巴瘤黑人与白人患者皮肤微生物组差异》的补充材料,包含7个补充图表和7个补充表格,详细记录了皮肤微生物组分析的方法、统计结果和可视化数据,数据来源于对黑人和白人皮肤T细胞淋巴瘤患者的皮肤样本进行测序和比较研究,主要用于皮肤微生物组与淋巴瘤关联性、种族差异在疾病微生物生态中的影响等研究方向。

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