多部位微生物组分析揭示不明原因复发性流产中卷曲乳杆菌富集:病例对照研究相关数据集
该记录包含与文章相关的原始数据。摘要 背景:与不明原因复发性妊娠丢失相关的微生物特征在各黏膜部位仍未完全明确。我们研究了19名不明原因复发性妊娠丢失非妊娠女性和18名既往妊娠成功对照者的阴道、子宫内膜、唾液和粪便样本中的分类组成和微生物功能潜力

基本信息
资源简介
多部位微生物组分析揭示不明原因复发性流产中卷曲乳杆菌富集:病例对照研究相关数据集
该记录包含与文章相关的原始数据。摘要 背景:与不明原因复发性妊娠丢失相关的微生物特征在各黏膜部位仍未完全明确。我们研究了19名不明原因复发性妊娠丢失非妊娠女性和18名既往妊娠成功对照者的阴道、子宫内膜、唾液和粪便样本中的分类组成和微生物功能潜力
Dataset related to article: Multisite microbiome profiling reveals Lactobacillus crispatus enrichment in unexplained recurrent pregnancy loss: a case control study
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该记录包含与文章相关的原始数据。摘要 背景:与不明原因复发性妊娠丢失相关的微生物特征在各黏膜部位仍未完全明确。我们研究了19名不明原因复发性妊娠丢失非妊娠女性和18名既往妊娠成功对照者的阴道、子宫内膜、唾液和粪便样本中的分类组成和微生物功能潜力。样本在标准化中黄体期窗口采集。shotgun宏基因组学对阴道、唾液和粪便样本进行了表征;子宫内膜样本主要通过16S rRNA基因扩增子测序进行分析。结果:阴道分类组成在组间存在差异,但alpha多样性无显著差异。以Lactobacillus crispatus为主的群落存在于63.2%的复发性妊娠丢失女性和11.1%的对照中
【主题与分类】
主题标签:复发性妊娠丢失、微生物组、病例对照研究、宏基因组学。本站分类:妊娠、分娩和产褥期。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23810458
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.23810458
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
本记录包含与文章摘要相关的原始数据。背景:与不明原因复发性妊娠丢失相关的微生物特征在各黏膜部位仍未完全明确。我们研究了19名患不明原因复发性妊娠丢失的非妊娠女性及18名既往妊娠成功的对照者阴道、子宫内膜、唾液和粪便样本中的分类组成及微生物功能潜力。样本采集于标准化的黄体中期窗口。鸟枪法宏基因组学用于表征阴道、唾液和粪便样本;子宫内膜样本主要通过16S rRNA基因扩增子测序进行分析。结果:两组间阴道分类组成存在差异,但α多样性无显著差异。以卷曲乳杆菌(Lactobacillus crispatus)为优势的菌群在复发性妊娠丢失女性中占63.2%,在对照者中占11.1%(调整比值比17.33,95%置信区间3.17至151.95)。在复发性妊娠丢失组内的探索性分析中,此类菌群出现在既往有两次或三次临床流产的13名女性中的12名,以及有四次或以上临床流产的6名女性中的0名。
阴道功能谱显示预测的糖酵解潜力富集(q = 0.026)。子宫内膜谱在探索性阈值下显示一致的L. crispatus富集(q = 0.12),配对的阴道和子宫内膜样本通常共享优势乳杆菌物种。对三名参与者的菌株水平分析显示参与者内部亲缘关系密切。唾液功能谱在组间存在差异,复发性妊娠丢失女性的嘌呤生物合成途径富集,而对照组的L-鸟氨酸生物合成富集(q < 0.05),尽管无显著分类学关联。未检测到显著的粪便分类学或功能差异。结论这些发现确定了与不明原因复发性妊娠丢失相关的区室特异性微生物关联,并且s
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




