rAAV1-CB-hAAT治疗Alpha-1抗胰蛋白酶缺乏症的安全性与有效性研究
该数据集来自clinicaltrials.gov,收录一项针对Alpha-1抗胰蛋白酶缺乏症的Phase 2临床试验信息

基本信息
资源简介
rAAV1-CB-hAAT治疗Alpha-1抗胰蛋白酶缺乏症的安全性与有效性研究
该数据集来自clinicaltrials.gov,收录一项针对Alpha-1抗胰蛋白酶缺乏症的Phase 2临床试验信息。试验为非随机、开放标签、多中心、序贯、三臂设计,评估rAAV1-CB-hAAT载体经肌肉注射给药的安全性与有效性。受试者单次接受rAAV1-CB-hAAT,三个组各三名受试者,剂量分别为6 x 10e11 vg/kg、1.9 x 10e12 vg/kg或6 x 10e12 vg/kg,各组分别接受10、32或100次注射,分布于不同数量的肌肉位点。该数据可用于基因治疗安全性、剂量探索及血液及造血器官疾病相关研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:Alpha-1抗胰蛋白酶缺乏症。该研究是一项非随机、开放标签、多中心、序贯、三臂的Phase 2临床试验,评估通过IM注射给予rAAV1-CB-hAAT载体的安全性和有效性。每位参与者将在单次 occasion 接受rAAV1-CB-hAAT。三组各三名受试者将分别通过IM注射接受剂量水平为6 x 10e11 vg/kg、1.9 x 10e12 vg/kg或6 x 10e12 vg/kg的rAAV1-CB-hAAT。第1组受试者将接受总共10次IM注射,分布在单个肌肉部位;第2组受试者将接受总共32次IM注射,分布在三个肌肉部位;第3组受试者将接受100次IM注射,分布在10个肌肉部位。每次注射将以1.35 mL的体积给予,并使用适当的载体浓度以达到所需的总载体剂量。
【主题与分类】
主题标签:Alpha-1 Antitrypsin Deficiency。本站分类:血液及造血器官疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT01054339
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/NCT01054339
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:Alpha-1抗胰蛋白酶缺乏症。本研究是一项非随机、开放标签、多中心、序贯、三臂的2期临床试验,旨在评估通过肌肉注射给予rAAV1-CB-hAAT载体的安全性和有效性。每位参与者将单次接受rAAV1-CB-hAAT。三组,每组三人,将分别通过肌肉注射接受剂量水平为6 x 10^11 vg/kg、1.9 x 10^12 vg/kg或6 x 10^12 vg/kg的rAAV1-CB-hAAT。第1组受试者将接受总计10次肌肉注射,分布于单个肌肉部位;第2组受试者将接受总计32次肌肉注射,分布于三个肌肉部位;第3组受试者将接受100次肌肉注射,分布于10个肌肉部位。每次注射体积为1.35 mL,采用适当的载体浓度以达到所需的总载体剂量。三个组按顺序入组,在每个更高剂量水平组入组前,由数据与安全监察委员会审查安全性数据。
安全性通过评估不良事件、血液学和临床化学参数、肌肉活检的组织学检查以及血清中抗AAT抗体的测定来监测。疗效通过评估血清中M特异性AAT和总AAT的浓度,以及在等电聚焦凝胶上确定的血清AAT表型来衡量。收集的额外信息包括血液或精液中载体的存在、血清抗AAV抗体滴度的变化,以及T细胞对AAV和AAT反应的变化。
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。




