Covid-19合成小基因疫苗的免疫原性与安全性
该数据集来自 clinicaltrials.gov,围绕 Covid-19 合成小基因疫苗的免疫原性与安全性研究,属于免疫系统疾病/其他分类

基本信息
资源简介
Covid-19合成小基因疫苗的免疫原性与安全性
该数据集来自 clinicaltrials.gov,围绕 Covid-19 合成小基因疫苗的免疫原性与安全性研究,属于免疫系统疾病/其他分类。源站描述显示,研究针对 2019 年发现的新型冠状病毒,评估以慢病毒为基础的 DC 疫苗和 T 细胞疫苗在健康志愿者与 Covid-19 感染者中的安全性,并进一步评价其抗 Covid-19 效果。数据可用于了解 Covid-19 疫苗早期临床研究设计、安全性评价与免疫效果评估等相关信息(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:病原体感染 Covid-19 感染。背景:2019 年发现的新型冠状病毒 Covid-19 是一种有包膜的正链单链 RNA 病毒。Covid-19 感染者数量迅速增加,WHO 警告 Covid-19 的传播可能很快成为大流行并带来灾难性后果。Covid-19 可能对人类健康和全球经济构成严重威胁。目前尚无可用疫苗或经临床批准的抗病毒治疗。本研究旨在评估用一种新型慢病毒为基础的 DC 和 T 细胞疫苗治疗 Covid-19 感染的安全性和有效性。目的:主要研究目标:向健康志愿者和 Covid-19 感染患者注射和输注 LV-SMENP DC 和抗原特异性细胞毒性 T 细胞疫苗,以评估安全性。次要研究目标:评估 LV-SME 的抗 Covid-19 效果
【主题与分类】
主题标签:Pathogen Infection Covid-19 Infection。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04276896
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://clinicaltrials.gov/study/NCT04276896
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:病原体感染 Covid-19感染。背景:2019年发现的新型冠状病毒Covid-19是一种有包膜的正链单链RNA病毒。Covid-19感染者数量迅速增加,世界卫生组织警告称,Covid-19的传播可能很快成为大流行病,并带来灾难性后果。Covid-19可能对人类健康和全球经济构成严重威胁。目前尚无可用疫苗或经临床批准的抗病毒治疗。本研究旨在评估一种新型慢病毒载体DC和T细胞疫苗治疗Covid-19感染的安全性和有效性。目的:主要研究目标:向健康志愿者和Covid-19感染患者注射和输注LV-SMENP DC及抗原特异性细胞毒性T细胞疫苗,以评估安全性。次要研究目标:评估LV-SMENP DC及抗原特异性细胞毒性T细胞疫苗的抗Covid-19疗效。设计:1. 基于新型冠状病毒Covid-19的基因组序列,选择保守且关键的结构蛋白和蛋白酶蛋白结构域,构建慢病毒SMENP微型基因以表达Covid-19抗原。2.
LV-SMENP-DC疫苗是通过用表达Covid-19迷你基因SMENP和免疫调节基因的慢病毒载体修饰DC而制成的。CTL将被呈递Covid-19特异性抗原的LV-DC激活。3. LV-DC疫苗和抗原特异性CTL在7~21天内制备完成。受试者将分别通过皮下注射和静脉输注接受总计5x10^6个LV-DC疫苗细胞和1x10^8个抗原特异性CTL。输注后一个月内每周随访一次,之后3个月内每月随访一次,此后每3个月随访一次,直至试验结束。
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。




