食物源多菌株乳酸菌联合体的功能与精神益生潜力:静态消化与SHIME®模型体外评估
本研究考察了三株食物源乳酸菌(LAB)——OS4、O24、M3.3.——的功能与精神益生潜力,分别以单培养和标准化至 109 CFU/mL 的多菌株联合体(LAB MIX)形式进行评估

基本信息
资源简介
食物源多菌株乳酸菌联合体的功能与精神益生潜力:静态消化与SHIME®模型体外评估
本研究考察了三株食物源乳酸菌(LAB)——OS4、O24、M3.3.——的功能与精神益生潜力,分别以单培养和标准化至 109 CFU/mL 的多菌株联合体(LAB MIX)形式进行评估
Functional and Psychobiotic Potential of a Food-Derived Multi-Strain Lactic Acid Bacteria Consortium: An In Vitro Evaluation Using Static Digestion and SHIME® Models
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):本研究考察了三株食物源乳酸菌(LAB)——OS4、O24、M3.3.——的功能与精神益生潜力,分别以单培养和标准化至 109 CFU/mL 的多菌株联合体(LAB MIX)形式进行评估。研究分连续两个阶段进行,以表征其在模拟胃肠道条件下的稳定性、代谢活性及潜在协同效应。第一阶段进行比较筛查,评估各菌株及 MIX 的黏蛋白黏附能力与静态体外胃肠消化过程中的稳定性,同时定量氨基酸谱以建立代谢基线。第二阶段在初步筛查后,选用细菌联合体(MIX)利用人体肠道模拟器(Simulator of the Human Int...)进行高级验证。
【主题与分类】
主题标签:神经系统疾病、阿尔茨海默病、乳酸菌、精神益生、体外消化、SHIME®模型、多菌株联合体。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://repod.icm.edu.pl/citation?persistentId=doi:10.18150/NEGFZD
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/10.18150/negfzd
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
本研究考察了三株食源性乳酸菌(LAB)——OS4、O24、M3.3——的功能潜力和精神生物潜力,分别以单一菌株培养物和组合多菌株菌群(LAB MIX)形式进行评估,标准化为10⁹ CFU/mL。研究分连续两个阶段进行,以表征其在模拟胃肠道条件下的稳定性、代谢活性及潜在协同效应。在第一阶段,进行了比较筛选,评估各菌株及MIX的黏蛋白黏附能力和静态体外胃肠道消化过程中的稳定性,同时定量氨基酸谱以建立代谢基线。在第二阶段,经初步筛选后,选择细菌菌群(MIX)使用人体肠道微生物生态系统模拟器(SHIME®)进行高级验证。
这是通过使用TWINSHIME装置实现的,该装置是一种并行多反应器系统,维持在37°C的厌氧条件下,模拟了人体胃肠道从胃、小肠到升结肠、横结肠和降结肠各段的环境。为了在特定病理条件下评估该配方,系统接种了来自诊断为阿尔茨海默病(AD)捐赠者的粪便微生物群,并按照38天的标准化协议运行,该协议包括14天的稳定期、14天的干预阶段(每日给予LAB MIX),以及最后10天的冲洗阶段,以评估干预效果的持续性。此阶段重点监测该复合制剂对肠道微生物群(GM)组成的影响,并评估在模拟结肠条件下氨基酸代谢的后续变化。请参阅readme文件以了解数据集中文件的说明。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




