面向支气管肺泡灌洗液代谢组学的原型小分子数据库

数据集获取

源站：https://omicsdi.org/dataset/metabolights_dataset/MTBLS591

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

使用基于质谱的代谢组学分析支气管肺泡灌洗液（BALF）可以为了解哮喘等肺部疾病提供见解。然而，由于缺乏针对BALF的小分子数据库，化合物鉴定的重要步骤受到阻碍。在此，我们描述了源自人BALF样本（n=117）的原型小分子数据库。将人BALF提取为脂质和水相组分，并使用液相色谱质谱进行分析。经过滤以减少污染物和伪影后，所得的BALF数据库（BALF-DBs）包含11,737种脂质和658种水相化合物。其中超过10%的化合物在100%的样本中被发现。使用嵌套测试集测试BALF-DBs，脂质的匹配率为99%，水相分子的匹配率为47%。搜索一个独立数据集时，与脂质BALF-DB的匹配率为45%，而搜索通用数据库时<25%。总体而言，与使用通用数据库相比，BALF-DBs可以减少假阳性并提高化合物鉴定的置信度。

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。