PRJEB94648：肺癌呼吸道微生物组
该数据集来自 NCBI，聚焦非小细胞肺癌（NSCLC）患者呼吸道微生物组。研究纳入 122 例接受支气管镜检查的患者，其中 87 例为 NSCLC，采集支气管灌洗样本并采用下一代测序分析微生物 DNA，使用 Shannon 和 inverse Simpson 指数评估 alpha 多样性
基本信息
资源简介
PRJEB94648：肺癌呼吸道微生物组
该数据集来自 NCBI，聚焦非小细胞肺癌（NSCLC）患者呼吸道微生物组。研究纳入 122 例接受支气管镜检查的患者，其中 87 例为 NSCLC，采集支气管灌洗样本并采用下一代测序分析微生物 DNA，使用 Shannon 和 inverse Simpson 指数评估 alpha 多样性。数据可用于比较不同临床因素下的微生物多样性，并探索微生物组与临床表型的关联。研究发现吸烟者 alpha 多样性显著低于从不吸烟者（p=0.003），且多样性随 TNM 分期变化，提示下呼吸道微生物组在 NSCLC 疾病进展中可能发挥作用（来源 ncbi.nlm.nih.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：人类微生物组影响健康与疾病，但其在非小细胞肺癌（NSCLC）中的作用尚不明确。这项前瞻性研究分析了 122 例接受支气管镜检查患者的支气管灌洗样本，其中 87 例为 NSCLC。使用下一代测序对微生物 DNA 进行测序，并用 Shannon 和 inverse Simpson 指数评估 alpha 多样性。研究比较了不同临床因素下的微生物组多样性，并通过生物信息学工具探索了其与临床表型的关联。与从不吸烟者相比，吸烟者的 alpha 多样性显著更低（p=0.003），且在不同 TNM 分期之间存在差异，在非吸烟者中观察到不同的细菌分类群。这些发现表明，NSCLC 中下呼吸道微生物组因吸烟状态和疾病分期而异，提示其可能在疾病进展中发挥作用。
【主题与分类】
主题标签：Other。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/bioproject/PRJEB94648
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/PRJEB94648
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
人体微生物组影响健康和疾病，但其在非小细胞肺癌（NSCLC）中的作用尚不明确。这项前瞻性研究分析了122名接受支气管镜检查患者的支气管灌洗样本，其中87名患有NSCLC。使用下一代测序技术对微生物DNA进行测序，并采用Shannon和逆Simpson指数评估α多样性。比较了不同临床因素间的微生物组多样性，并通过生物信息学工具探索了其与临床表型的关联。与从不吸烟者相比，吸烟者的α多样性显著降低（p=0.003），且在不同TNM分期中存在差异，在非吸烟者中观察到了不同的细菌分类群。这些发现表明，NSCLC中下呼吸道微生物组因吸烟状况和疾病分期而异，提示其可能在疾病进展中发挥作用。
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。
