整合代谢组学与转录组学揭示肺结核及肺结核合并糖尿病的主要代谢通路与潜在生物标志物
该数据集来自 omicsdi.org,聚焦呼吸系统疾病中的肺结核,整合代谢组学与转录组学数据,用于研究肺结核(PTB)及肺结核合并糖尿病(PTB-DM)的分子机制

基本信息
资源简介
整合代谢组学与转录组学揭示肺结核及肺结核合并糖尿病的主要代谢通路与潜在生物标志物
该数据集来自 omicsdi.org,聚焦呼吸系统疾病中的肺结核,整合代谢组学与转录组学数据,用于研究肺结核(PTB)及肺结核合并糖尿病(PTB-DM)的分子机制。研究纳入健康受试者、原发性肺结核患者及原发性肺结核合并糖尿病患者,采集外周全血,通过整合生物信息学分析代谢组与转录组的改变谱及潜在分子机制。转录数据提示 LCN2、DEFA1、PGLYRP1 和 ITGA2B 等分子显著变化。该数据可用于探索糖尿病易感肺结核的代谢通路与潜在生物标志物(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):肺结核(PTB)和糖尿病(DM)是威胁人类健康的常见慢性病。糖尿病患者易患肺结核,这是加重糖尿病并发症的重要因素。然而,糖尿病患者对PTB感染易感性的分子调控机制仍不清楚。根据纳入和排除标准,招募了健康受试者、原发性PTB患者和原发性PTB合并DM患者。采集外周全血,并利用代谢组学和转录组学的整合生物信息学分析进一步分析改变谱和潜在分子机制。在本研究中,转录数据显示脂质运载蛋白2(LCN2)、防御素α1(DEFA1)、肽聚糖识别蛋白1(PGLYRP1)和整合素亚基α2b(ITGA2B)显著u
【主题与分类】
主题标签:Metabolomics。本站分类:呼吸系统疾病/肺结核。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS7623
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/MTBLS7623
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
肺结核(PTB)与糖尿病(DM)是威胁人类健康的常见慢性疾病。糖尿病患者易感肺结核,这是加重糖尿病并发症的重要因素。然而,糖尿病患者易感肺结核感染的分子调控机制尚不清楚。根据纳入和排除标准,招募了健康受试者、原发性肺结核患者以及原发性肺结核合并糖尿病患者。采集外周全血,并通过代谢组学和转录组学的综合生物信息学分析,进一步分析变化谱和潜在分子机制。在本研究中,转录数据显示,与健康对照组相比,PTB-DM组中脂质运载蛋白2(LCN2)、防御素α1(DEFA1)、肽聚糖识别蛋白1(PGLYRP1)和整合素亚基α2b(ITGA2B)显著上调,而细胞内氯离子通道3(CLIC3)显著下调。此外,IL-17、PI3K-AKT和PPAR信号通路对于肺结核感染及肺结核合并糖尿病的调控具有重要作用。
代谢组学数据显示,在差异代谢分析中,甘油磷脂代谢、碳代谢以及脂肪消化与吸收过程富集。最后,代谢组学和转录组学数据的整合分析表明,NOTCH1/JAK/STAT信号通路在肺结核合并糖尿病中具有重要作用。总之,肺结核感染改变了糖尿病患者的转录和代谢谱。在肺结核感染的糖尿病患者中,代谢组学和转录组学变化高度相关。外周代谢物水平可作为糖尿病患者肺结核管理的生物标志物。重要性:糖尿病(DM)的共病显著增加了结核感染风险和不良结核治疗结局。以往大多数研究集中于相关
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。




