人类肝脏类器官用于研究非酒精性脂肪性肝炎(NASH)发展的模型
该数据集来源于 clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)及其进展形式非酒精性脂肪性肝炎(NASH)

基本信息
资源简介
人类肝脏类器官用于研究非酒精性脂肪性肝炎(NASH)发展的模型
该数据集来源于 clinicaltrials.gov,聚焦非酒精性脂肪性肝病(NAFLD)及其进展形式非酒精性脂肪性肝炎(NASH)。NAFLD 影响约三分之一人口,其中 20-30% 患者会发展为 NASH,并可进一步导致肝硬化和肝细胞癌。研究强调遗传因素在疾病易感性、严重程度及长期预后中的关键作用,特别是 PNPLA3 基因与肝内脂肪含量的强关联。数据集可用于探索 NASH 发病机制、遗传风险因素及潜在干预靶点,为肝癌相关研究提供基础(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:NAFLD。非酒精性脂肪性肝病(NAFLD)是肝损伤的主要原因,约见于三分之一的人口(25-30%)。NAFLD 涵盖从单纯性脂肪变性到非酒精性脂肪性肝炎(NASH)的广泛疾病谱。NASH 见于 20-30% 的 NAFLD 患者,并可进展为肝硬化和肝细胞癌。近年来遗传学领域的进展凸显了遗传因素在疾病易感性、严重程度和长期预后中的关键作用。特别是在一项针对多种族人群的全基因组关联研究中,PNPLA3 基因被确定为与肝内脂肪含量强烈相关的主要遗传因素,且独立于体重和胰岛素抵抗。本研究的主要目标是生成并表征
【主题与分类】
主题标签:NAFLD。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06856252
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://clinicaltrials.gov/study/NCT06856252
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
条件:NAFLD。非酒精性脂肪性肝病(NAFLD)是肝损伤的主要原因,约在三分之一的人群(25-30%)中发现。NAFLD涵盖从单纯性脂肪变性到非酒精性脂肪性肝炎(NASH)的广泛病症。NASH见于20-30%的NAFLD患者,并可进展为肝硬化和肝细胞癌。近年来遗传学领域取得的进展凸显了遗传因素在疾病易感性、严重程度和长期预后中的关键作用。特别是,在一项针对多种族人群的全基因组关联研究中,PNPLA3基因被确定为与肝内脂肪含量密切相关的主要遗传因素,且独立于体重和胰岛素抵抗。本研究的主要目标是生成并表征三维模型,称为“组装体”,由主要肝细胞群体组成(特别是来自临床样本的类器官与负责纤维化的星状细胞共培养)。
这些模型将用于模拟脂肪性肝炎发病的早期阶段,即在脂质代谢改变(通过暴露于该病症的主要环境决定因素:过量脂肪酸、果糖、胆固醇而诱导)的条件下,伴或不伴PNPLA3的I148M突变。还将分析其他遗传变异,如TM6SF2、MBOAT7和GCKR,这些变异此前已与非酒精性脂肪性肝炎的发展相关。进一步的目标将是:1)识别人类星状细胞病理性激活和肝损伤进展的新生物标志物,随后在临床病例系列中进行验证,以便未来用于临床管理中的个体风险分层;2)研究非酒精性脂肪性肝炎发病及其向纤维化、肝硬化进展的表观遗传因素。
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。




