不依赖心肌坏死识别急性心肌梗死的全血分子特征（微阵列）

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-66360

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

尽管过去十年中心血管疾病（CVD）的总体负担已显著降低，但CVD仍占美国及全球每年全部死亡人数的三分之一。虽然识别和减少动脉粥样硬化性心脏病危险因素（即高血压、血脂异常、糖尿病、吸烟、缺乏运动）的努力仍是初级预防的重点，但无法准确、及时地预测急性心肌梗死（AMI）损害了我们进一步改善患者预后的能力。我们对冠状动脉疾病存在的诊断评估依赖于功能检测，该检测可发现限流性冠状动脉狭窄，但数十年来我们已知，大多数导致AMI的病变仅为轻至中度管腔狭窄，并不阻塞冠状动脉血流。因此，亟需改进对潜在动脉斑块动态、裂隙和破裂的诊断手段。

在此，我们描述了一种特定基因表达模式的指定，该模式作为急性心肌梗死的分子特征，存在于患者全血中，是通过对富集循环内皮细胞（CEC）进行微阵列分析确定的。我们从经历急性心肌梗死的患者和健康队列中分离出循环内皮细胞，并使用HG-133U_PLUS_2微阵列测量基因表达。循环内皮细胞从经历急性心肌梗死的患者（n=49）和健康队列（n=50）中分离。患者被分为发现队列（n=43），用于生物标志物发现和模型训练；以及验证队列（n=56），用于生物标志物验证和模型测试。

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。