结合可解释机器学习、人口统计学和多组学数据识别炎症性肠病精准医学策略
基于IBD组织TNFα释放及人口、药物、基因组和转录组数据，用可解释机器学习预测炎症性肠病药物反应并识别精准医学策略。
基本信息
模态
多模态
创建/更新时间
2026-10-16
资源简介
该数据集来自炎症性肠病（IBD）精准医学研究，利用新鲜IBD组织在有无测试药物时TNFα释放的减少评估药物疗效。数据整合人口统计学、用药/药物、基因组和转录组等多组学特征，使用可解释机器学习预测患者TNFα水平和药物反应；模型在未见患者上预测TNFα的误差低至4.98%。研究分析性别、年龄和病情等因素导致的药物反应差异，并关联IBD队列中新遗传多态性与抗炎药BIRB796（Doramapimod）反应差异。用途是识别IBD的可解释精准医学策略和预测特征。
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://www.ncbi.nlm.nih.gov/bioproject/PRJEB43220
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。
