GNPS 犬特应性皮炎脂质谱局部与全身变化潜在生物标志物数据集
该数据集来源于 omicsdi.org,主题为代谢组学,聚焦犬特应性皮炎相关的脂质谱变化。研究对30只对照犬和30只轻中度皮炎犬的皮肤与血液样本进行快速脂质谱质谱分析,比较对照、非病变与病变皮肤的脂质谱差异,并检测血液脂质组成的全身性改变

基本信息
资源简介
GNPS 犬特应性皮炎脂质谱局部与全身变化潜在生物标志物数据集
该数据集来源于 omicsdi.org,主题为代谢组学,聚焦犬特应性皮炎相关的脂质谱变化。研究对30只对照犬和30只轻中度皮炎犬的皮肤与血液样本进行快速脂质谱质谱分析,比较对照、非病变与病变皮肤的脂质谱差异,并检测血液脂质组成的全身性改变。脂质既是表皮屏障的组成成分,也是重要的信号分子,在皮肤中发挥关键作用;犬特应性皮炎与皮肤脂质组成改变相关,但这些改变是先于皮炎发生还是继发于皮炎尚不清楚。该数据集围绕这一科学问题,记录了皮肤与血液样本的脂质谱信息,并涉及全身治疗后的变化观察,属于皮肤疾病领域的代谢组学研究资源。
【数据集背景】
脂质在皮肤中具有双重角色:一方面构成表皮屏障,另一方面作为信号分子参与调控。犬特应性皮炎与皮肤脂质组成的改变有关,然而这些脂质变化究竟是皮炎发生的前驱因素,还是皮炎形成后的继发结果,此前并不明确。为回答这一问题,研究采用快速脂质谱质谱方法对犬的皮肤和血液样本进行检测,并考察全身治疗后的脂质变化。该数据集即在这一研究背景下产生,主题标签为代谢组学,本站分类归入皮肤疾病下的其他类别。
【数据内容】
数据集涵盖30只对照犬和30只轻中度皮炎犬的皮肤与血液样本的脂质谱检测结果。研究观察到对照犬、非病变皮肤与病变皮肤之间存在明显的脂质谱差异;同时,血液样本的脂质组成也出现显著改变,提示脂质代谢存在全身性变化。数据内容围绕皮肤与血液两类样本的脂质谱展开,涉及对照、非病变与病变三种皮肤状态的比较,以及血液脂质组成的分析。
【采集与来源】
数据来源于 omicsdi.org。研究对象为犬,共纳入30只对照犬和30只轻中度特应性皮炎犬。样本类型包括皮肤和血液。检测采用快速脂质谱质谱方法。研究还对犬只进行了全身治疗,涉及oclacitinib或lokivetmab两种治疗,并观察治疗后的变化。
【适用场景】
该数据集适用于犬特应性皮炎相关脂质谱研究,可用于比较对照、非病变与病变皮肤之间的脂质差异,考察血液脂质组成的全身性变化,以及分析oclacitinib或lokivetmab治疗后疾病临床严重程度与脂质谱变化的关系。其代谢组学主题也使其可用于皮肤疾病领域中脂质生物标志物方向的探索性分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/gnps/MSV000087837
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
脂质在皮肤中发挥着关键作用,既是表皮屏障的组成部分,也是信号分子。犬特应性皮炎与皮肤脂质组成的变化相关,但这些变化是发生在皮炎发作之前,还是继发于皮炎,目前尚不清楚。我们应用快速脂质谱分析质谱方法对犬的皮肤和血液样本进行了分析,并确定了全身治疗后的变化。研究纳入了30只对照犬和30只患有轻度至中度皮炎的异位性皮炎犬。在对照犬、非病变皮肤和病变皮肤之间观察到了脂质谱的显著差异。此外,血液样本中的脂质组成也发生了显著改变,表明脂质代谢存在全身性变化。使用奥拉替尼或洛基维特单抗治疗可显著降低疾病的临床严重程度,并伴随皮肤和血液脂质的变化。一组皮肤脂质特征被选为生物标志物,可将样本分类为对照或异位性皮炎,准确率达95%,而血液脂质区分对照犬和异位性皮炎犬的准确率为82%。
这些数据表明,特应性皮炎是一种全身性疾病,并支持使用快速脂质谱分析来识别新的生物标志物。
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。




