气道菌群失调加速慢性阻塞性肺疾病肺功能下降(人类UPLC-MS/MS检测)
该数据集来自omicsdi.org,主题为代谢组学,聚焦慢性阻塞性肺疾病(COPD)中气道菌群失调与肺功能下降的关系。源站描述提及对来自英国四个临床中心两个大型队列的181名COPD个体进行纵向分析,发现基线气道菌群失调与两年内FEV1快速下降相关,Moraxella、Staphylococcus和

基本信息
资源简介
气道菌群失调加速慢性阻塞性肺疾病肺功能下降(人类UPLC-MS/MS检测)
该数据集来自omicsdi.org,主题为代谢组学,聚焦慢性阻塞性肺疾病(COPD)中气道菌群失调与肺功能下降的关系。源站描述提及对来自英国四个临床中心两个大型队列的181名COPD个体进行纵向分析,发现基线气道菌群失调与两年内FEV1快速下降相关,Moraxella、Staphylococcus和Stenotrophomonas共现与FEV1每年加速下降139.7 mL相关,并在第三个独立队列中验证。数据可用于研究COPD气道微生物组与肺功能进展的关联(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):肺功能的进行性下降是慢性阻塞性肺疾病(COPD)的标志。尽管COPD中存在气道菌群失调,但其是否促进疾病进展仍不清楚。在此,通过对来自英国四个临床中心两个大型队列的181名COPD个体进行纵向分析,我们表明以机会性致病类群富集为特征的基线气道菌群失调与两年内一秒用力呼气容积(FEV1)的快速下降相关。Moraxella、Staphylococcus和Stenotrophomonas的共现与FEV1每年加速下降139.7 mL相关。菌群失调与加重相关的FEV1下降及临床稳定时的FEV1骤降相关,这两个关键事件促成长期FEV1下降。微生物群与FEV1下降的关联在第三个独立队列中得到验证
【主题与分类】
主题标签:Metabolomics。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS5423
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/metabolights_dataset/MTBLS5423
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
肺功能的进行性下降是慢性阻塞性肺疾病(COPD)的标志性特征。尽管COPD中存在气道菌群失调,但其是否促进疾病进展仍不清楚。本研究通过对来自英国四个临床中心两个大型队列的181例COPD患者进行纵向分析,发现以机会性致病菌群富集为特征的气道菌群失调基线状态与两年内第一秒用力呼气容积(FEV1)的快速下降相关。莫拉菌属、葡萄球菌属和寡养单胞菌属的共同存在与FEV1下降加速139.7 mL/年相关。菌群失调与急性加重相关的FEV1下降及临床稳定期FEV1骤降相关,这两个关键事件均导致长期FEV1下降。菌群与FEV1下降的关联在中国第三个独立队列中得到验证。
人类多组学、小鼠及细胞机制研究表明,金黄色葡萄球菌的慢性气道定植通过产生同型半胱氨酸促进肺功能下降,而同型半胱氨酸通过AKT1-S100A8/A9轴促使中性粒细胞由凋亡向NETosis转变,从而转向持续性炎症。通过噬菌体预防性和治疗性清除金黄色葡萄球菌可恢复肺气肿小鼠的肺功能。这些结果为通过靶向气道微生物组来延缓COPD进展提供了新思路。关联研究:本研究报道了人样本的UPLC-MS/MS检测。小鼠样本的UPLC-MS/MS检测报道于MTBLS6894。原始队列人样本的UPLC-MS/MS检测报道于MTBLS4017。
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。




