气道微生物群与COPD急性加重
该数据集来自一项队列研究,纳入122名COPD参与者,采集支气管肺泡灌洗液、保护性标本刷及口腔冲洗样本,提取细菌DNA并测序16S RNA基因V3-V4区域,同时通过电话访谈和随访调查中重度COPD急性加重频率

基本信息
资源简介
气道微生物群与COPD急性加重
The airway microbiota and exacerbations of COPD
该数据集来自一项队列研究,纳入122名COPD参与者,采集支气管肺泡灌洗液、保护性标本刷及口腔冲洗样本,提取细菌DNA并测序16S RNA基因V3-V4区域,同时通过电话访谈和随访调查中重度COPD急性加重频率。数据可用于比较有无后续急性加重参与者的菌群组成分类及alpha、beta多样性,探索下呼吸道微生物群组成与COPD急性加重风险的关联,服务于肺部微生物组与COPD预后预测研究(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2020。
【数据内容】
源站描述(机器翻译,仅供参考):目的:在一项队列研究中,探讨下呼吸道微生物群的组成性是否可预测COPD患者后续急性加重风险。材料与方法:我们通过支气管肺泡灌洗和保护性标本刷采集下呼吸道微生物群样本,并采集122名COPD参与者的口腔冲洗样本。在测序16S RNA基因V3-V4区域之前,从所有样本中提取细菌DNA。通过电话访谈和随访调查中度和重度COPD急性加重的频率。比较有和无后续急性加重参与者之间的组成分类学以及alpha和beta多样性。结果:两组中最丰富的四个门为Firmicutes、Bacteroidetes、Proteobacteria和Fusobacteria,最丰富的四个属为Streptococcus、Veillonella、Prevotella和Gemella。相关
【主题与分类】
主题标签:COPD exacerbations、lung microbiome。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.tqjq2bvw3
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.tqjq2bvw3
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 49.9 MB。
数据说明
目的:在一项队列研究中,探讨下气道微生物群的组成性是否能预测COPD患者日后急性加重的风险。材料与方法:我们通过支气管肺泡灌洗和保护性标本刷采集了下气道微生物群样本,并采集了122名COPD参与者的漱口液样本。从所有样本中提取细菌DNA,然后对16S RNA基因的V3-V4区域进行测序。通过电话访谈和随访访视调查中度和重度COPD急性加重的频率。比较有和无日后急性加重的参与者之间的组成分类学以及α和β多样性。结果:两组中最丰富的四个门均为厚壁菌门、拟杆菌门、变形菌门和梭杆菌门,最丰富的四个属均为链球菌属、韦荣球菌属、普雷沃菌属和孪生球菌属。不同样本和个体之间各分类群的相对丰度显示出很大差异,在随访期间,有和无COPD急性加重的参与者之间,无论是组成分类学还是α或β多样性,均未发现统计学显著差异。
结论:本研究发现,COPD患者下呼吸道微生物群的个体差异远远超过频繁与不频繁COPD急性加重者之间的组间差异,且微生物群的组成极其复杂,将其用作后期急性加重的生物标志物面临巨大挑战。
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。




