TRUEDA 研究源数据、补充表格与分析输入
该数据集为 TRUEDA 研究论文的源数据、补充表格与分析输入，包含所有主图、Extended Data 图、补充图及 Extended Data Table 1、Supplementary Tables S1–S7 的源数据工作簿，分析工作流读取的计算输入以及参考图文件
基本信息
资源简介
TRUEDA 研究源数据、补充表格与分析输入
Source Data, Supplementary Tables and analysis inputs for: TRUEDA overturns replicated, decontaminated low-biomass disease–microbe associations and clinical decisions, recovers true pathogens and outperforms every decontamination method
该数据集为 TRUEDA 研究论文的源数据、补充表格与分析输入，包含所有主图、Extended Data 图、补充图及 Extended Data Table 1、Supplementary Tables S1–S7 的源数据工作簿，分析工作流读取的计算输入以及参考图文件。数据输入涵盖 Minich 源图几何与去噪读取方案、外部 ASV 先验及用于规则回放的注册特征注释，Supplementary Table S7 还包含样本预算、选择零统计与样本类型转换等内容。该数据可用于低生物量微生物组去污染、差异丰度分析及病原体恢复等研究（来源 DOI 解析，Creative Commons Attribution 4.0 Internati。
【数据集背景】
源站首次发布：2026。
【主题与分类】
主题标签：low-biomass microbiome、contamination、decontamination、TRUEDA、differential abundance、reagent contaminants、urine microbiome、ocular surface microbiome。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23445649
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23445649
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:
数据集大小约 446.4 MB。
数据说明
手稿“TRUEDA推翻经重复验证、去污染的低生物量疾病—微生物关联及临床决策，恢复真实病原体并优于所有去污染方法”的数据。该记录包含所有主图、扩展数据图和补充图的源数据工作簿，以及扩展数据表1、补充表S1–S7、分析工作流读取的计算输入和参考图文件。读取这些文件的代码位于配套软件记录中（https://doi.org/10.5281/zenodo.23445647）。FILE_INVENTORY.tsv和MANIFEST.sha256列出了文件大小和校验和。数据输入包括Minich源图几何结构与去噪读取方案、外部ASV先验，以及用于规则重放的注册特征注释。补充表S7包括样本预算、选择零统计、样本类型转换、过程偏移记录和12个载量队列记录。源数据图5包括69个连续输入容差对比。包含HealthyLungTx衍生输入和两条原始检验比较记录。
CleanSeqU 投影记录、Minich 原生工作点输入、参考份额曲线、尿液相对-绝对转换矩阵以及 Bern 方向摘要均随其 Source Data 表格一并提供。
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。
