COVID-19患者血液白细胞转录模块及差异表达基因数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE193022

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

由于决定COVID-19严重程度的分子机制尚未被充分了解，因此需要从轻症和重症病例的比较转录组分析中衍生出生物标志物，并结合患者的临床人口学和实验室数据。本文通过聚焦于轻症与重症病例之间以及年龄亚组（年轻人和老年人）之间的差异，研究了人白细胞对SARS-CoV-2感染的转录组反应。三个与这些特征相关的转录模块以及23个与疾病严重程度相关的差异表达基因（DEGs）被进行了功能表征。其中一个模块与重症病例和老年患者相关，其先天免疫应答和中性粒细胞活化相关基因过度表达；而另外两个模块与疾病严重程度和年轻患者相关，包含参与对病毒感染的先天免疫应答及其调控的基因。这种转录组机制可能与在年轻COVID-19患者中观察到的较好结局有关。

这些差异表达基因（DEGs）在重症病例组中均呈高表达，主要参与中性粒细胞活化和p53通路，因此与炎症和淋巴细胞减少相关。这些生物标志物可能有助于更好地对COVID-19的风险因素进行分层。

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。