慢性酒精暴露诱导酒精性肝病的多器官代谢组学与离子组学特征
该数据集基于慢性-plus-binge乙醇喂养(NIAAA)小鼠模型,对慢性酒精暴露诱导的酒精性肝病开展多器官代谢组学与离子组学联合分析

基本信息
资源简介
慢性酒精暴露诱导酒精性肝病的多器官代谢组学与离子组学特征
该数据集基于慢性-plus-binge乙醇喂养(NIAAA)小鼠模型,对慢性酒精暴露诱导的酒精性肝病开展多器官代谢组学与离子组学联合分析。样本覆盖肝脏、脾脏、肾脏、肺、胃、血清、大脑皮层和海马,采用气相色谱-质谱联用(GC-MS)与电感耦合等离子体质谱(ICP-MS)检测,识别差异代谢物、元素改变及受影响通路。数据可用于研究慢性酒精暴露对多器官代谢与元素稳态的系统性影响,支撑酒精性肝病机制探索及潜在标志物发现(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:酒精性肝病(ALD)是全球范围内常见的慢性肝脏疾病。慢性酒精暴露不仅损伤肝脏,还会破坏多个器官的代谢与元素稳态。然而,其系统性影响仍未被完全理解。本研究采用基于慢性-plus-binge乙醇喂养(NIAAA)模型的代谢组学-离子组学整合方法,探究慢性酒精暴露诱导的多器官代谢与离子改变。方法:使用NIAAA方案建立ALD小鼠模型。通过气相色谱-质谱联用(GC-MS)和电感耦合等离子体质谱(ICP-MS)分析肝脏、脾脏、肾脏、肺、胃、血清、大脑皮层和海马样本。通过统计、通路富集等方法鉴定差异代谢物、改变的元素及受影响的通路。
【主题与分类】
主题标签:Metabolomics。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS15954
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/MTBLS15954
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:酒精性肝病(ALD)是全球范围内常见的慢性肝脏疾病。慢性酒精暴露不仅损害肝脏,还会破坏多个器官的代谢和元素稳态。然而,其全身性影响仍未被完全了解。本研究采用基于慢性加暴饮乙醇喂养(NIAAA)模型的代谢组学-离子组学整合方法,探讨慢性酒精暴露引起的多器官代谢和离子改变。方法:采用NIAAA方案建立ALD小鼠模型。通过气相色谱-质谱联用(GC-MS)和电感耦合等离子体质谱(ICP-MS)分析肝脏、脾脏、肾脏、肺、胃、血清、大脑皮层和海马体样本。通过统计学分析、通路富集分析和相关性分析,鉴定差异代谢物、改变的元素及受影响的通路。结果:慢性酒精暴露诱导氧化应激,表现为丙二醛(MDA)升高和还原型谷胱甘肽(GSH)降低。
在八种组织中总共鉴定出48种差异代谢物,涉及16条显著改变的代谢通路,包括亚油酸代谢、氨基酸代谢、一碳代谢、初级胆汁酸生物合成、半乳糖代谢和丁酸代谢。离子组学分析揭示了广泛的元素稳态失衡,尤其在肝脏、大脑皮层和胃中,Na、Mg、Fe、Cu、Zn和Se发生显著改变。元素之间以及元素与代谢物之间观察到广泛的相关性。结论:慢性酒精暴露引起多器官代谢紊乱和元素稳态失衡,为ALD发病机制提供了新见解,并为其诊断和治疗提供了潜在靶点。
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。




