COPD患者诱导痰与自发痰微生物群比较
该数据集来自 search.dataone.org，用于比较 COPD 患者在同一次就诊中采集的诱导痰与自发痰样本的微生物群特征
基本信息
资源简介
COPD患者诱导痰与自发痰微生物群比较
Comparing microbiota profiles in induced and spontaneous sputum samples in COPD patients
该数据集来自 search.dataone.org，用于比较 COPD 患者在同一次就诊中采集的诱导痰与自发痰样本的微生物群特征。研究纳入挪威 Bergen 的 COPD 患者，于 2006/2010 年间随访，覆盖稳定期与急性加重期，30 名患者提供 36 对样本。DNA 经酶解与机械裂解提取，16S rRNA 基因 V3-V4 区经 PCR 扩增并用于双端测序，测序平台为 Illumina Miseq System，生物信息学与统计分析使用 QIIME 和 Stata。约 400 万条序列被归入 1004 个 OTU。该数据可用于评估两种痰标本在微生物群研究中的可互换性（来源 DataONE，CC0 1.0 Universal 。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：诱导痰和自发痰被用于评估气道微生物群。痰标本类型能否在微生物群研究中互换尚不清楚。我们的目的是比较同一次就诊期间采集的 COPD 患者诱导痰和自发痰中的微生物群。方法：来自挪威 Bergen 的 COPD 患者在 2006/2010 年间接受随访，在稳定期和急性加重期接受检查。30 名患者提供了 36 对样本。DNA 通过酶解和机械裂解方法提取。16S rRNA 基因的 V3-V4 区经 PCR 扩增并制备用于双端测序。使用 Illumina Miseq System 进行测序，使用 Quantitative Insights Into Microbial Ecology（QIIME）和 Stata 进行生物信息学和统计分析。结果：约 400 万条序列被分入 1004 个不同的 OTU，并进一步分配至 1
【主题与分类】
主题标签：Homo Sapiens、Sputum、marker-gene study、COPD。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A750f0e1c4e1aa00ba654d3922af1270de435cceeea961472ac23453d8ab083e7
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
背景：诱导痰和自发痰均用于评估气道微生物群。痰液类型在微生物群研究中是否可互换尚不清楚。我们的目的是比较同一次就诊期间采样的COPD患者诱导痰和自发痰中的微生物群。方法：对挪威卑尔根的COPD患者在2006/2010年间进行随访，在稳定期和急性加重期进行检查。30名患者提供了36对样本。采用酶解和机械裂解方法提取DNA。对16S rRNA基因的V3-V4区域进行PCR扩增并制备用于双端测序。使用Illumina Miseq系统进行测序，并使用Quantitative Insights Into Microbial Ecology（QIIME）和Stata进行生物信息学和统计分析。结果：约400万条序列被归类为1004个不同的OTU，并进一步分配到106个不同的分类单元。对分类组成和β多样性的成对比较显示……
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。
