单中心注册研究:血小板功能、血小板遗传学、蛋白质组学与代谢组学在心脏病中的作用
源站描述指出,血小板分子靶点对开发新的血小板抑制药物及理解血小板介导炎症过程在冠心病、慢性心力衰竭进展中的作用至关重要;既往对噻吩吡啶类 Clopidogrel 的研究强调联合风险因素分析,其预后疗效依赖遗传因素(主要为 CYP2C19 编码基因多态性)与非遗传因素(年龄、糖尿病或合并用药)的组合

基本信息
资源简介
单中心注册研究:血小板功能、血小板遗传学、蛋白质组学与代谢组学在心脏病中的作用
该数据集来自 clinicaltrials.gov,属于循环系统疾病/心力衰竭分类,主题标签为 Cardiovascular Disease。源站描述指出,血小板分子靶点对开发新的血小板抑制药物及理解血小板介导炎症过程在冠心病、慢性心力衰竭进展中的作用至关重要;既往对噻吩吡啶类 Clopidogrel 的研究强调联合风险因素分析,其预后疗效依赖遗传因素(主要为 CYP2C19 编码基因多态性)与非遗传因素(年龄、糖尿病或合并用药)的组合。因此需要按标准化方案进行精确表型表征的前瞻性患者队列,以检验潜在分子靶点的临床相关性。数据可用于研究血小板功能、遗传、蛋白质组与代谢组特征与心脏病进展及药物反应的关系(来源 clinicaltria。
【数据内容】
源站描述(机器翻译,仅供参考):疾病:心血管疾病。血小板上的分子靶点对于开发新的血小板抑制药理底物以及更好地理解血小板介导的炎症过程在心脏病(如冠心病和慢性心力衰竭)进展中的作用至关重要。既往对噻吩吡啶类 Clopidogrel 的研究强调了联合风险因素分析的重要性。因此,clopidogrel 的预后疗效依赖于遗传因素(主要是 CYP2C19 编码基因的多态性)与非遗传因素(如年龄、糖尿病或合并用药)的组合。因此,需要一个按照标准化方案进行精确表型表征的前瞻性患者队列,以能够检验潜在分子靶点的临床相关性。一项补充性前……
【主题与分类】
主题标签:Cardiovascular Disease。本站分类:循环系统疾病/心力衰竭。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01417884
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://clinicaltrials.gov/study/NCT01417884
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
条件:心血管疾病。血小板上的分子靶点对于开发新的抗血小板药物底物以及更好地理解血小板介导的炎症过程对心脏病进展(如冠心病和慢性心力衰竭)的影响至关重要。既往对噻吩吡啶类氯吡格雷的研究强调了联合危险因素分析的重要性。因此,氯吡格雷的预后疗效依赖于遗传因素(主要是CYP2C19编码基因的多态性)与非遗传因素(如年龄、糖尿病或合并用药)的组合。因此,需要一个按照标准化方案进行精确表型特征描述的前瞻性患者队列,以能够检验潜在分子靶点的临床相关性。补充提供高质量生物材料使得能够系统性地检验心血管疾病中新的有前景的血小板生物标志物,这些标志物已在实验动物和/或细胞生物学模型中产生了显著结果。
该中心项目的主要目标是在心血管临床研究单位(CCRU)及其附属生物样本库的框架下建立前瞻性心脏病学队列,从而评估研究组(德国研究理事会KFO 274/1-1)内各子项目所产生的潜在靶点的临床意义,以保障转化研究路径。
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。




