ABCoN队列SLE患者与健康对照的自身免疫抗原及血清因子抗原反应性数据集

该数据集来自ABCoN队列,包含45名个体的血清样本,分为高干扰素特征、低干扰素特征的系统性红斑狼疮(SLE)患者及健康对照

omicsdi
浏览 11
蛋白质分类Transcriptomics
Autoimmune antigen and serum factor antigen reactivity in a cohort of patients with systemic lupus erythematosus (SLE) and healthy controls from the ABCoN cohort.

基本信息

模态
蛋白质
任务类型
分类
创建/更新时间
2026-10-19

资源简介

ABCoN队列SLE患者与健康对照的自身免疫抗原及血清因子抗原反应性数据集

该数据集来自ABCoN队列,包含45名个体的血清样本,分为高干扰素特征、低干扰素特征的系统性红斑狼疮(SLE)患者及健康对照。样本经1:250稀释后孵育于打印全蛋白抗原的硝酸纤维素平台阵列,检测IgG对自身免疫抗原和血清因子抗原的反应性。研究使用SAM算法分析发现,SLE患者尤其是IFN高组血清对原型自身免疫抗原及部分血清因子阵列抗原的反应性显著更高。数据可用于探索SLE的自身抗体谱及干扰素特征相关免疫反应(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):本研究的目的是检验以下假设:SLE患者血清中含有与原型自身免疫抗原同时出现的、针对血清因子抗原的IgG反应性。我们将患者血清按1:250稀释,并将稀释液孵育在打印有全蛋白抗原的硝酸纤维素平台阵列上。在本研究中,对45名个体(细分为高和低干扰素特征以及健康对照类别)的血清进行了针对全蛋白自身免疫抗原和血清因子抗原的IgG自身抗体反应性分析。使用微阵列显著性分析(SAM)算法发现,SLE患者尤其是IFN高患者血清对原型自身免疫抗原和部分血清因子阵列抗原的反应性显著更高。

【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-GEOD-51100

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-51100

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

本研究旨在检验以下假设:SLE患者血清中含有与原型自身免疫抗原同时存在的针对血清因子抗原的IgG反应性。我们将患者血清按1:250稀释,并将稀释液孵育于印有全蛋白抗原的硝酸纤维素平台阵列上。本研究对45名个体(分为高干扰素特征组、低干扰素特征组以及健康对照组)的血清进行了IgG自身抗体反应性分析,检测其针对全蛋白自身免疫抗原和血清因子抗原的反应性。通过微阵列显著性分析(SAM)算法发现,SLE患者血清,特别是IFN高患者血清,与原型自身免疫抗原及部分血清因子阵列抗原的反应性显著更高。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。