结肠癌生物膜组成揭示独特细菌物种特征
该数据集来自印度新德里 AIIMS 胃肠道科,采集 15 例肿瘤与 15 例邻近非肿瘤结肠活检组织,用于探究结直肠癌患者结肠生物膜的微生物组成

基本信息
资源简介
结肠癌生物膜组成揭示独特细菌物种特征
Colon cancer biofilm composition reveals distinct bacterial species signature
该数据集来自印度新德里 AIIMS 胃肠道科,采集 15 例肿瘤与 15 例邻近非肿瘤结肠活检组织,用于探究结直肠癌患者结肠生物膜的微生物组成。源站描述指出印度结直肠癌发病率男性约 6.3/10 万、女性约 3.7/10 万,存在男性风险更高、晚期诊断、筛查不足和治疗受限等问题。数据可用于分析肿瘤与非肿瘤组织间生物膜细菌物种特征差异,支持结直肠癌微生物失调相关研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 人类结肠以生物膜形式承载着高度组织化的保护性微生物生态系统,越来越多地被认识到通过微生物失调和复杂的宿主-微生物群相互作用,是结直肠癌(CRC)进展的关键贡献因素。在印度,CRC 位居前十位癌症之列,男性年龄标准化发病率约为每 10 万 6.3 例,女性约为每 10 万 3.7 例,凸显出男性风险更高、晚期诊断、筛查不足和治疗局限,尤其是在城市人群中。本研究旨在探索来自新德里印度 CRC 患者队列的结肠生物膜的微生物组成,该地区 CRC 发病率正在上升。结肠活检取自印度新德里 AIIMS 胃肠道科的(n = 15)肿瘤和(n = 15)邻近非肿瘤组织。荧光 in
【主题与分类】
主题标签:Colorectal Cancer。本站分类:肿瘤/其他。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/bnfwf63vcr
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://doi.org/10.17632/bnfwf63vcr
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:
数据集大小约 24.8 KB。
数据说明
摘要 人类结肠以生物膜的形式承载着一个高度组织化的保护性微生物生态系统,人们日益认识到,生物膜通过微生物失调及复杂的宿主-微生物群相互作用,是结直肠癌(CRC)进展的关键促进因素。在印度,CRC位居十大癌症之列,男性年龄标化发病率约为每10万人6.3例,女性约为每10万人3.7例,凸显出男性风险更高、诊断偏晚、筛查不足及治疗受限等问题,城市人群尤为明显。本研究旨在探究来自新德里印度CRC患者队列的结肠生物膜微生物组成,该地区CRC发病率正呈上升趋势。结肠活检样本取自印度新德里AIIMS胃肠科的(n = 15)肿瘤组织和(n = 15)邻近非肿瘤组织。采用荧光原位杂交(FISH)技术测定生物膜中的细菌种群。工作流程包括切片、脱蜡、组织透化、与细菌16S rDNA探针杂交,并通过共聚焦显微镜对检测信号进行可视化观察。
结果显示,微生物模式存在显著差异,肿瘤相关生物膜中大肠埃希菌、肺炎克雷伯菌和脆弱拟杆菌的密度增加,而具核梭杆菌和产聚酮合酶大肠埃希菌(pks+)则较少见。这些结果证实了结直肠癌组织中存在显著的菌群失调和侵袭性生物膜的形成。了解这些生物膜的组成可能有助于制定针对性策略,以恢复微生物平衡并降低印度人群及全球人群的结直肠癌风险。要点 • 肿瘤相关生物膜在印度结直肠癌患者中表现出明显的微生物菌群失调。 • 观察到肿瘤部位大肠埃希菌、肺炎克雷伯菌和脆弱拟杆菌富集。 • 对生物
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。




