GNPS - 囊性纤维化痰液与食物共培养数据集
该数据集来自 omicsdi.org，收录了在 WinCF 系统中开展的囊性纤维化痰液样本与发酵食品之间的共培养实验集合，主题属于代谢组学，本站归类为呼吸道疾病下的囊性纤维化
基本信息
资源简介
GNPS - 囊性纤维化痰液与食物共培养数据集
GNPS - CF Sputum vs. Food 是一个以代谢组学为主题的数据集，来源于 omicsdi.org，收录了在 WinCF 系统中开展的囊性纤维化痰液样本与发酵食品之间的共培养实验集合。该数据集在分类上归属于呼吸道疾病领域下的囊性纤维化方向，其英文名称直接体现了实验涉及的两类核心对象——囊性纤维化痰液与食品。从整体定位看，这一数据集围绕囊性纤维化痰液样本与发酵食品在特定培养系统中的相互作用展开，以代谢组学为观察视角，为相关研究提供了实验集合层面的数据资源。以下从背景、内容、来源、适用场景、使用方法、质量与限制以及引用与许可等方面作进一步说明。
【数据集背景】
囊性纤维化是一种累及呼吸系统的疾病，其痰液样本中包含着复杂的微生物与代谢物组成。该数据集聚焦于囊性纤维化痰液样本与发酵食品之间的共培养实验，所依托的培养系统为 WinCF 系统。数据集的主题标签为代谢组学，表明其关注点在于共培养过程中代谢层面的信息。本站将其归类为呼吸道疾病下的囊性纤维化，说明该数据集在疾病分类体系中与囊性纤维化这一呼吸道疾病方向相对应。关于该数据集的具体研究动机、项目背景与资助信息，源站未提供。
【数据内容】
该数据集是一个共培养实验的集合，实验对象为囊性纤维化痰液样本与发酵食品，实验在 WinCF 系统中进行。数据集的主题标签为代谢组学，提示其数据内容与代谢组学测量相关。关于样本数量、实验批次、代谢物种类、检测平台、数据文件格式与具体字段构成等信息，源站未提供。
【采集与来源】
该数据集来源于 omicsdi.org。根据源站描述，其内容为在 WinCF 系统中开展的囊性纤维化痰液样本与发酵食品之间的共培养实验集合。关于样本采集地点、采集时间、供体信息、伦理审批情况以及实验操作流程的细节，源站未提供。
【适用场景】
基于其主题与内容定位，该数据集可用于与囊性纤维化痰液样本和发酵食品共培养相关的代谢组学研究场景，也可作为呼吸道疾病下囊性纤维化方向的数据资源，用于代谢组学层面的分析探索。关于具体的适用分析类型、预期应用目标与验证场景，源站未提供。
【使用方法】
该数据集以共培养实验集合的形式组织，主题属于代谢组学。关于数据下载方式、文件组织结构、预处理步骤、分析工具与使用协议等操作层面的说明，源站未提供。
【质量与限制】
该数据集来自 omicsdi.org，其内容为共培养实验集合。关于数据质量评估指标、缺失值情况、批次效应、样本量规模以及使用中的已知限制，源站未提供。
【引用与许可】
关于该数据集的引用方式、文献出处、许可协议与使用条款，源站未提供。
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://omicsdi.org/dataset/gnps/MSV000079679
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
A collection of co-culture experiments between Cystic Fibrosis sputum samples and Fermented foods in the WinCF system.
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。
