系统性自身免疫疾病分子重分类：起始队列

数据集获取

源站：https://clinicaltrials.gov/study/NCT02890134

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

条件：系统性自身免疫性疾病。PRECISESADS IMI项目的总体目标是通过使用多种“-组学”技术确定分子谱，将受系统性自身免疫性疾病影响的个体重新分类为分子实体集群，而非临床实体集群。集群的识别依赖于一项横断面（CS）队列/方案，其中将招募2666名个体（2000名患者和666名对照），包括一个由288名深度表征个体（240名患者和48名对照）组成的子研究。同时，将启动一项纵向起始队列/方案，以进一步探索已识别集群的临床相关性及其随时间的变化。横断面研究和子研究的目标是：1. 通过在系统性自身免疫性疾病个体和对照中产生以下数据，确定系统性自身免疫性疾病患者的系统性分类学：遗传学、表观基因组学、转录组学、流式细胞术（来自外周血单核细胞（PBMCs））、血浆和尿液中的代谢组学和蛋白质组学、外泌体分析、经典血清学（抗体和自身抗体）以及临床数据。2. 在组学水平上更好地表征个体系统性自身免疫性疾病。

3. 进行聚类分析，以确定与其他群体不同、具有特定分子特征的个体群体（精准医学）。4. 将在一项包含288名个体的子研究中进行更深入的分析。聚类过程将以数据为驱动，旨在发现最具同质性和差异化的疾病聚类，从而清晰地将个体与对照组及其他患者聚类区分开来。初始队列的目的：具体而言，该初始队列旨在：1. 将新诊断为系统性自身免疫性疾病（SAD）的个体分配至CS研究中发现的任何重分类聚类中，2. 研究每位患者在整个疾病过程中OMICS特征/聚类的演变和修饰，包括治疗的影响

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。