胰腺癌细胞与胰腺囊性肿瘤相关细菌株共培养的代谢组学图谱
该数据集来自胰腺癌细胞系（AsPC-1、Capan-2）及非癌永生化胰腺细胞系（hTERT-HPNE）与胰腺囊性肿瘤来源的活菌分离株在 MOI 1 下共培养 24 小时后的培养上清液，采用基于质谱的代谢组学分析
基本信息
资源简介
胰腺癌细胞与胰腺囊性肿瘤相关细菌株共培养的代谢组学图谱
Metabolomic profile of pancreatic cancer cell co-cultures with pancreatic cystic tumour associated-bacterial strains
该数据集来自胰腺癌细胞系（AsPC-1、Capan-2）及非癌永生化胰腺细胞系（hTERT-HPNE）与胰腺囊性肿瘤来源的活菌分离株在 MOI 1 下共培养 24 小时后的培养上清液，采用基于质谱的代谢组学分析。数据可用于研究细菌感染对胰腺癌细胞代谢谱的影响，探索患者来源胰腺肿瘤细菌诱导的代谢改变，并支持肿瘤微生物组与代谢组交叉领域的分析（来源 BioStudies）。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集与 Poojabahen 等人提交至 Gut Microbes（编号：KGMI-20230959）且目前处于修订中的手稿《Patient-derived pancreatic tumor bacteria induce oncogenic aberrations in pancreatic spheroids and are recognized by MAIT cells》相关联。胰腺癌细胞系（AsPC-1、Capan-2）以及一种非癌永生化胰腺细胞系（hTERT-HPNE）以 MOI 1 感染一组源自胰腺囊性肿瘤的活菌分离株，持续 24 小时。培养上清液在收集时于 -80C 冷冻，随后使用基于质谱的代谢组学进行分析，具体如下：上清液等分试样在冰上解冻，然后将 10 mL 等分试样用 240 mL 冷的 5:3:2 甲醇:乙腈:水（v/v/v）稀释，并在 4C 下涡旋 30 分钟。上清液经澄清（10,000 × g，10 分钟，4C），然后通过 20 mL 进样在 Thermo V 上进行分析
【主题与分类】
主题标签：Homo sapiens (human)、Klebsiella aerogenes、Klebsiella oxytoca、Klebsiella pneumoniae、Enterobacter cloacae、Stenotrophomonas maltophilia、Streptococcus anginosus、Enterococcus faecalis、Citrobacter freundii、Granulicatella adiacens。本站分类：肿瘤。
【获取与许可】
源站页面：https://ebi.ac.uk/biostudies/studies/S-BSST1747
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://ebi.ac.uk/biostudies/studies/S-BSST1747
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
S-BSST1747 胰腺癌细胞与胰腺囊性肿瘤相关细菌株共培养的代谢组学特征 该数据集与一篇题为“患者来源的胰腺肿瘤细菌在胰腺球状体中诱导致癌异常，并被MAIT细胞识别”的手稿相关联
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。
