多组学识别LRRC15为COVID-19严重程度预测因子及康复期持续促血栓信号

数据集获取

源站：https://doi.org/10.5281/zenodo.7410194

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。

数据集大小约 67.3 MB。

数据说明

为两组合并COVID-19的终末期肾病患者生成了RNA测序、SomaLogic蛋白质组学和流式细胞术数据。第一波队列由2020年初COVID-19第一波期间从患者采集的样本组成，而第二波队列的样本则在接下来的一年中采集。本次数据存储包括与该研究相关的RNA-seq计数、SomaScan蛋白质组学、流式细胞术和临床元数据。有关该研究和数据的更多信息，请参见相关的GitHub仓库(https://github.com/jackgisby/covid-longitudinal-multi-omics)或我们的预印本(https://doi.org/10.1101/2022.04.29.22274267)。该仓库还包含用于复现我们数据分析的代码。原始RNA-seq读段使用nf-core RNA-seq v3.2流程进行处理，之后使用htseq-count生成原始计数矩阵，该矩阵包含在本次数据存储中(htseq_counts.csv)。蛋白质组学数据由三个文件组成：sample_technical_meta.csv、feature_meta.csv和soma_abundance.csv。前两个文件分别包含样本和蛋白质特征的元数据列。

最终文件包含未处理的蛋白质丰度数据。文件general_panel.csv和t_cell_panel.csv分别包含流式细胞术数据，分为通用面板和T细胞面板。最后，本研究描述的两个队列的临床元数据可在w1_metadata.csv和w2_metadata.csv中获取。临床元数据中的特征包括：列名 数据类型 描述 sample_id 字符型 样本的唯一标识符 individual_id 字符型 个体的唯一标识符 ethnicity 字符型 个体的种族（亚洲人、白人、黑人或其他人种） sex 字符型 个体的性别（M或F） calc_age 整型 年龄（岁） ihd 字符型 冠心病信息 previous_vte 字符型 个体是否有静脉血栓栓塞史 copd 字符型 个体是否患有慢性阻塞性

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。