洛哌丁胺诱导便秘小鼠经Rothia mucilaginosa干预的结肠组织代谢组学分析
该数据集对26只C57BL/6小鼠的结肠组织进行非靶向代谢组学检测,涵盖正常对照组(NC,n=8)、洛哌丁胺诱导便秘模型组(MC,n=8)和Rothia mucilaginosa灌胃干预组(RG,n=10)

基本信息
资源简介
洛哌丁胺诱导便秘小鼠经Rothia mucilaginosa干预的结肠组织代谢组学分析
该数据集对26只C57BL/6小鼠的结肠组织进行非靶向代谢组学检测,涵盖正常对照组(NC,n=8)、洛哌丁胺诱导便秘模型组(MC,n=8)和Rothia mucilaginosa灌胃干预组(RG,n=10)。实验流程包括适应期、造模期和干预期,采用UHPLC-MS/MS在正负离子模式下采集数据。该数据可用于识别与R. mucilaginosa缓解便秘相关的差异代谢物及代谢通路,重点关注色氨酸代谢和胆汁酸代谢,为阐明其代谢机制提供支持(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):对26只C57BL/6小鼠的结肠组织进行非靶向代谢组学分析,以探究Rothia mucilaginosa介导的便秘缓解背后的代谢机制。小鼠分为正常对照组(NC,n=8)、洛哌丁胺诱导便秘模型对照组(MC,n=8)和R. mucilaginosa灌胃治疗组(RG,n=10)。实验方案包括适应期(第0-7天)、洛哌丁胺造模期(第8-21天)和R. mucilaginosa干预期(第22-40天,BNCC363031,2x10^8 CFU/天)。结肠组织代谢组学采用UHPLC-MS/MS(Vanquish UHPLC与Orbitrap Exploris 120联用,Thermo Fisher)在正负离子模式下进行。该数据集支持鉴定与R. mucilaginosa干预便秘相关的差异代谢物和代谢通路,特别关注色氨酸代谢、胆汁酸代谢
【主题与分类】
主题标签:Metabolomics。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS13907
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://omicsdi.org/dataset/metabolights_dataset/MTBLS13907
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
对26只C57BL/6小鼠的结肠组织进行了非靶向代谢组学分析,以探究Rothia mucilaginosa介导的便秘缓解背后的代谢机制。小鼠分为正常对照组(NC,n=8)、洛哌丁胺诱导的便秘模型对照组(MC,n=8)和R. mucilaginosa灌胃治疗组(RG,n=10)。实验方案包括适应期(第0-7天)、洛哌丁胺造模期(第8-21天)和R. mucilaginosa干预期(第22-40天,BNCC363031,2x10^8 CFU/天)。采用UHPLC-MS/MS(Vanquish UHPLC联用Orbitrap Exploris 120,Thermo Fisher)在正离子和负离子模式下对结肠组织进行代谢组学分析。该数据集支持鉴定与R. mucilaginosa干预便秘相关的差异代谢物和代谢通路,尤其关注色氨酸代谢、胆汁酸代谢和神经活性信号传导。
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。




