COVID-19 患者血清蛋白质组与代谢组特征
该数据集来自 omicsdi.org，包含对 46 例 COVID-19 患者与 53 例对照个体血清进行的蛋白质组与代谢组分析，并基于 18 例非重症和 13 例重症患者训练机器学习模型，在 10 例独立患者中验证（7 例分类正确），另在 19 例新患者中进一步验证（16 例分类正确）
基本信息
资源简介
COVID-19 患者血清蛋白质组与代谢组特征
该数据集来自 omicsdi.org，包含对 46 例 COVID-19 患者与 53 例对照个体血清进行的蛋白质组与代谢组分析，并基于 18 例非重症和 13 例重症患者训练机器学习模型，在 10 例独立患者中验证（7 例分类正确），另在 19 例新患者中进一步验证（16 例分类正确）。数据可用于构建和评估 COVID-19 分子分类器，研究巨噬细胞、血小板脱颗粒、补体系统通路失调及大规模代谢抑制等分子变化（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：重症 COVID-19 患者的早期发现和有效治疗仍是重大挑战。在此，我们对 46 例 COVID-19 患者和 53 例对照个体的血清进行了蛋白质组和代谢组分析。随后，我们使用来自 18 例非重症和 13 例重症患者训练队列的蛋白质组和代谢组测量数据训练了一个机器学习模型。该模型在 10 例独立患者中进行了验证，其中 7 例被正确分类。采用靶向蛋白质组学和代谢组学检测在第二个测试队列的 19 例新 COVID-19 患者中进一步验证该分子分类器，得到 16 例正确分配。我们识别出 COVID-19 患者血清中与其他组相比的分子变化，涉及巨噬细胞、血小板脱颗粒和补体系统通路失调以及大规模代谢抑制。本研究揭示了特征性 pro
【主题与分类】
主题标签：Proteomics。本站分类：内分泌、营养和代谢疾病。
【获取与许可】
源站页面：https://omicsdi.org/dataset/massive/MSV000085507
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://omicsdi.org/dataset/massive/MSV000085507
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
重症COVID-19患者的早期发现和有效治疗仍面临重大挑战。本研究对46例COVID-19患者和53例对照个体的血清进行了蛋白质组学和代谢组学分析。随后，我们利用由18例非重症和13例重症患者组成的训练队列的蛋白质组学和代谢组学数据训练了一个机器学习模型。该模型在10例独立患者中进行了验证，其中7例被正确分类。我们采用靶向蛋白质组学和代谢组学方法，在第二个包含19例新发COVID-19患者的测试队列中进一步验证了该分子分类器，结果16例被正确归类。我们识别出COVID-19患者血清中相较于其他组的分子变化，这些变化涉及巨噬细胞、血小板脱颗粒和补体系统通路的失调，以及大规模代谢抑制。本研究揭示了重症COVID-19患者血清中特征性的蛋白质和代谢物变化，这些变化或可用于筛选潜在的血液生物标志物以进行严重程度评估。数据集于2020年5月29日从https://www.iprox.org/page/project.html?id=IPX0002106000导入MassIVE。
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。
