生活方式代谢组研究 B（LIME-B）

数据集获取

源站：https://clinicaltrials.gov/study/NCT07888257

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

条件：营养与代谢疾病、糖尿病前期、2型糖尿病。研究表明，即使摄入相同的食物或餐食，个体间的血糖反应也存在显著差异。这些不同的血糖反应归因于个体间的代谢差异。近年来，结合代谢数据（包括微生物组组成）的机器学习模型已能够成功预测个体血糖反应。基于此类预测的精准营养建议有助于更好地控制血糖并降低糖尿病风险。从这个角度来看，考虑代谢生物标志物、表型和基因型以及肠道微生物组组成，可能在制定饮食建议中发挥作用，从而通过营养实现最佳健康结果。除宏量营养素组成外，进餐的时间、频率和次数也可能在饮食对血糖反应中发挥重要作用。最后，社会经济、文化和个人生活方式因素也会影响血糖反应。

因此，本研究旨在描述糖尿病前期患者、T2D患者以及无糖尿病前期或T2D个体之间个人生活方式的差异。此外，酮体，特别是β-羟基丁酸（βHB），正日益受到重视，因为它们在碳水化合物可用性低的时期既可作为代谢生物标志物，又可作为替代能源。在胰岛素抵抗或糖尿病前期个体中，大脑葡萄糖利用通常受损，导致使用酮体作为大脑的补偿性能源。研究结果表明，个体对饮食干预的酮体反应在个体之间差异显著，因此其本身可能作为精准营养背景下的代谢表型标志物具有相关性。因此，本研究还旨在进一步探究外源性βHB补充在多大程度上影响神经认知过程和决策行为，以及是否ch

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。