CAKUT胎儿羊水样本肽谱数据
该数据集为CAKUT胎儿羊水样本的肽组学原始数据,来源于一项聚焦胎儿双侧CAKUT的前瞻性多中心观察性研究(属于临床试验的一部分),并包含21例对照样本

基本信息
资源简介
CAKUT胎儿羊水样本肽谱数据
Peptide profiling of amniotic fluid samples from CAKUT fetuses
该数据集为CAKUT胎儿羊水样本的肽组学原始数据,来源于一项聚焦胎儿双侧CAKUT的前瞻性多中心观察性研究(属于临床试验的一部分),并包含21例对照样本。数据对应此前已发表的出生后肾脏存活数据集(pmid: 32750455)的原始肽组数据,miRNome与proteome数据分别存于其他数据库和PRIDE。该数据可用于通过多组学分析识别CAKUT中受影响的通路与网络,辅助探索CAKUT的疾病机制(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。
【数据集背景】
源站首次发布:2024。
【数据内容】
源站描述(机器翻译,仅供参考):摘要 先天性肾脏和尿路畸形(CAKUT)是儿童终末期肾病的主要原因,也是成人慢性肾病的重要病因。遗传和环境因素已被证明影响CAKUT的发生发展,但已知的疾病机制仍不完整。我们的目标是通过多组学分析(包括肽组)识别CAKUT中受影响的通路和网络。此处发布的肽组数据对应此前已发表的出生后肾脏存活数据集(pmid: 32750455)的原始数据。miRNome和proteome(pmid: 33987838)数据分别可在另一个数据库和PRIDE中获得。研究设计 羊水样本采集自一项聚焦胎儿双侧CAKUT的前瞻性多中心观察性研究(属于一项临床试验的一部分)。此外,还采集了21份来自无
【主题与分类】
主题标签:CAKUT、peptide、peptidome、amniotic fluid、multi-omics analysis。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.10497903
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.10497903
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 6.3 MB。
数据说明
摘要 先天性肾脏和尿路畸形(CAKUT)是儿童终末期肾病的首要病因,也是成人慢性肾病的重要病因。遗传和环境因素已被证实会影响CAKUT的发生发展,但已知的疾病机制仍不完整。我们的目标是通过多组学分析(包括肽组学)来识别CAKUT中受影响的通路和网络。本文发布的肽组数据对应于先前发表的出生后肾脏存活数据集[pmid:32750455]的原始数据。miRNome和蛋白质组[pmid:33987838]数据分别可在另一个存储库和PRIDE中获取。研究设计 在一项聚焦胎儿双侧CAKUT的前瞻性多中心观察性研究(临床试验的一部分)中收集了羊水样本。此外,还从21名非CAKUT个体中收集了样本。严重程度根据出生后随访2年后的肾脏状况进行定义。使用羊水提取肽段进行LC-MS/MS和CE-MS/MS分析。完整方案见补充材料。
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。




