不同严重程度COVID-19：从bulk到单细胞表达数据分析
该数据集来自 doi.org，基于 GSE164805 数据集，通过 WGCNA 分别识别轻症 COVID-19（mCOVID-19）和重症 COVID-19（sCOVID-19）中最关键的模块，并构建蛋白–蛋白相互作用网络，检测到 mCOVID-19 的 16 个 hub 基因和 sCOVID-1
基本信息
资源简介
不同严重程度COVID-19：从bulk到单细胞表达数据分析
COVID-19 of differing severity: from bulk to single-cell expression data analysis
该数据集来自 doi.org，基于 GSE164805 数据集，通过 WGCNA 分别识别轻症 COVID-19（mCOVID-19）和重症 COVID-19（sCOVID-19）中最关键的模块，并构建蛋白–蛋白相互作用网络，检测到 mCOVID-19 的 16 个 hub 基因和 sCOVID-19 的 10 个 hub 基因，随后预测上游转录因子（TFs）和激酶。富集分析显示 mCOVID-19 中 TNFA 信号经 NFKB 下调，sCOVID-19 中 MYC 靶点 V1 下调。巨噬细胞等多种免疫细胞的浸润程度在两组间差异显著。数据共 13 个文件，含 Figure S1–S7 及 Table S1–S2 等，可用于 COV。
【数据集背景】
配套论文《COVID-19 of differing severity: from bulk to single-cell expression data analysis》发表于 Cell Cycle（2023），DOI：10.1080/15384101.2023.2239620。项目资助方：This study was supported by Jiangsu Funding Program for Excellent Postdoctoral Talent (2022ZB730) and Nanjing Important Science & Technology Specific Projects (2021–11005).。源站首次发布：2023-07-24。
【数据内容】
源站描述（机器翻译，仅供参考）：2019 冠状病毒病（COVID-19）在全球肆虐，造成巨大的疾病负担。尽管如此，不同严重程度 COVID-19 的生物标志物和靶向药物仍很大程度上未知。基于 GSE164805 数据集，我们通过 WGCNA 分别识别了对轻症 COVID-19（mCOVID-19）和重症 COVID-19（sCOVID-19）最关键的模块。随后我们构建了蛋白–蛋白相互作用网络，检测到 mCOVID-19 的 16 个 hub 基因和 sCOVID-19 的 10 个 hub 基因，并预测了上游转录因子（TFs）和激酶。富集分析随后显示 mCOVID-19 中 TNFA 信号经 NFKB 下调，以及 sCOVID-19 中 MYC 靶点 V1 下调。许多免疫细胞（如巨噬细胞）的浸润程度在 mCOVID-19 和 sCOVID-19 样本之间也差异显著。预测的蛋白靶向药物 wi
【数据结构与技术规格】
文件数 13 个，合计 37.04 MB。数据集 DOI：10.6084/m9.figshare.23736001.v1。
【主题与分类】
源站学科分类：Biochemistry、Microbiology、Genetics、Molecular Biology、Immunology、Biological Sciences not elsewhere classified。主题标签：COVID-19、bulk、single-cell。本站分类：免疫系统疾病。
【适用方向】
源站学科分类标注为 Biochemistry、Microbiology、Genetics、Molecular Biology、Immunology、Biological Sciences not elsewhere classified。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/COVID-19_of_differing_severity_from_bulk_to_single-cell_expression_data_analysis/23736001
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：COVID-19 of differing severity: from bulk to single-cell expression data analysis. Taylor & Francis. Tian, Linlin; He, Min; Fan, Huafeng; Zhang, Hongying; Dong, Xiaoxiao; Qiao, Mengkai; et al
【使用注意】
· 源站最后修改于 2024-02-12，引用时请注意版本时效。
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。
使用方式
数据集获取
源站：https://doi.org/10.6084/m9.figshare.23736001
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:
数据集大小约 37.0 MB。
数据说明
2019冠状病毒病（COVID-19）在全球范围内肆虐，造成了巨大的疾病负担。尽管如此，不同严重程度的COVID-19的生物标志物和靶向药物在很大程度上仍不清楚。基于GSE164805数据集，我们分别通过WGCNA识别了对轻症COVID-19（mCOVID-19）和重症COVID-19（sCOVID-19）最为关键的模块。随后，我们构建了蛋白质-蛋白质相互作用网络，并分别检测到mCOVID-19的16个枢纽基因和sCOVID-19的10个枢纽基因，接着预测了上游转录因子（TFs）和激酶。富集分析显示，mCOVID-19中TNFA通过NFKB信号通路下调，而sCOVID-19中MYC靶点V1下调。许多免疫细胞（如巨噬细胞）的浸润程度在mCOVID-19和sCOVID-19样本之间也存在显著差异。预测得分最高的蛋白质靶向药物几乎都属于天然衍生或合成糖皮质激素。对于两个单细胞RNA测序数据集，我们探索了mCOVID-19/sCOVID-19枢纽基因在各细胞类型中的表达分布。
研究发现，PRKCA、MCM5、TYMS、RBBP4、BCL6、FLOT1、KDM6B和TLR2的表达水平具有细胞类型特异性。此外，在我们机构8名健康对照者和8名mCOVID-19患者之间，mCOVID-19的10个枢纽基因在PBMCs中的表达水平显著上调。总之，我们检测到了可能参与不同严重程度COVID-19发病机制的关键模块、通路、转录因子、激酶、免疫细胞、靶向药物、枢纽基因及其在不同细胞类型中的表达分布，这可能推动未来对这种难治性疾病的更早期诊断和更有效治疗。
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。
