用于脓毒症早期检测的新型分子生物标志物诊断测试的开发与验证

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-28750

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

引言：脓毒症是机体对感染产生的一种复杂免疫反应，其特征为早期过度炎症，随后出现严重且持久的免疫抑制，这提示在以SIRS鉴别为核心的临床环境中，采用多标志物联合检测策略对于早期识别具有最大的临床实用价值。利用马脓毒症模型开展的临床前研究鉴定出一组基因表达生物标志物，可用于界定早期异常免疫激活。因此，本研究的主要目的是应用这些基因表达生物标志物，将脓毒症患者与接受大型开放手术且临床结局符合由物理创伤和伤口愈合所致全身性炎症的患者进行区分。方法：这是一项在澳大利亚4个三级重症监护中心开展的多中心、前瞻性临床试验。脓毒症患者若符合1992年共识声明标准，且根据微生物学诊断具有全身性感染的临床证据，则被纳入研究（n=27）。术后（PS）组参与者在术前被招募，并于术后24小时内采集血样（n=38）。

健康对照（HC）包括无已知并发疾病的医院工作人员（n=20）。每位参与者至少采集5ml PAXgene血液，用于白细胞RNA分离和基因表达分析。采用Affymetrix芯片和多重串联（MT）-PCR研究，应用一组事先确定的42个分子标志物评估循环白细胞的转录谱。使用LogitBoost算法建立机器学习诊断规则以预测脓毒症结局。结果：基于比较HC与脓毒症组的初步微阵列分析，鉴定出一组42个基因表达标志物，代表关键的先天性和适应性免疫功能、细胞周期、白细胞分化、细胞外重塑和免疫调节通路。比较

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。