COVID-19中ASCVD患者髓系细胞干扰素 priming 引发过度免疫反应的动脉粥样硬化许可数据集

该数据集来自omicsdi.org,聚焦动脉粥样硬化性心血管疾病(ASCVD)合并中度COVID-19患者的髓系免疫反应

omicsdi
浏览 6
时间序列分类TranscriptomicsCOVID-19
Atherosclerosis licenses for an exceeding immune response in COVID-19 disease by interferon priming in circulating myeloid cells

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-22

资源简介

COVID-19中ASCVD患者髓系细胞干扰素 priming 引发过度免疫反应的动脉粥样硬化许可数据集

该数据集来自omicsdi.org,聚焦动脉粥样硬化性心血管疾病(ASCVD)合并中度COVID-19患者的髓系免疫反应。源站描述显示,单细胞RNA测序揭示患者存在高炎症与免疫抑制特征并存的失调髓系反应;ATAC测序及体外SARS-CoV-2感染单核细胞实验表明ASCVD患者单核细胞存在表观遗传 priming,趋向炎症介质和I型干扰素信号表达增强;德国NAPKON队列通过多重细胞因子检测、ELISA和bulk RNA测序证实ASCVD患者在中度COVID-19期间炎症反应过度。数据可用于研究ASCVD背景下COVID-19免疫失调机制(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):单细胞RNA测序揭示,ASCVD合并中度COVID-19患者存在失调的髓系免疫反应,兼具高炎症和免疫抑制特征。转座酶可及染色质测序及体外SARS-CoV-2感染分离单核细胞的实验显示,ASCVD患者单核细胞存在表观遗传 priming,趋向炎症介质和I型干扰素信号表达增加。在德国全国性队列(NAPKON)中,使用多重细胞因子检测、酶联免疫吸附测定和bulk-RNA测序,我们证实ASCVD患者在中度COVID-19期间表现出过度的炎症反应。

【主题与分类】

主题标签:Transcriptomics。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-16472

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/biostudies-arrayexpress/E-MTAB-16472

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

单细胞RNA测序揭示,在患有动脉粥样硬化性心血管疾病(ASCVD)合并中度COVID-19的患者中,存在髓系免疫反应失调,表现为过度炎症和免疫抑制特征。转座酶可及染色质测序分析以及对分离的单核细胞感染SARS-CoV-2的体外实验显示,ASCVD患者的单核细胞存在表观遗传预激,倾向于增加炎症介质表达和I型干扰素信号传导。在德国全国性队列(NAPKON)中,采用多重细胞因子检测、酶联免疫吸附测定和批量RNA测序,我们证实ASCVD患者在中度COVID-19期间表现出过度放大的炎症反应。

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。

获取专属数据定制方案