常见变异型免疫缺陷中的外周辅助性T细胞
该数据集来自 clinicaltrials.gov,聚焦常见变异型免疫缺陷(CVID)患者外周辅助性T细胞(Tph)的研究

基本信息
资源简介
常见变异型免疫缺陷中的外周辅助性T细胞
该数据集来自 clinicaltrials.gov,聚焦常见变异型免疫缺陷(CVID)患者外周辅助性T细胞(Tph)的研究。CVID 是成人中最常见的症状性原发性免疫缺陷,可伴反复感染及严重非感染性并发症,目前尚无绝对生物标志物预测哪些患者会出现非感染性并发症。初步结果显示,伴非感染性并发症的 CVID 患者(CVIDc)循环外周辅助性T细胞较仅有感染表现的患者(CVIDi)和健康个体增多。数据可用于探索 CVID 预后相关的新型生物标志物及免疫机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:常见变异型免疫缺陷。常见变异型免疫缺陷(CVID)是成人中最常见的症状性原发性免疫缺陷,可伴反复感染及严重非感染性并发症。遗憾的是,目前仍没有绝对生物标志物能预测哪位 CVID 患者会出现非感染性并发症。因此,有助于细化 CVID 患者预后判断的新型生物标志物需要进一步研究。此外,驱动非感染性并发症的免疫机制仍不明确。因此,需要进一步深入了解 CVID 病理生理学,以为伴有非感染性并发症的 CVID 患者(CVIDc)发现新的治疗方法。初步结果显示,与仅有感染表现的患者(CVIDi)和健康个体相比,CVIDc 患者循环外周辅助性T细胞(Tph)增多。
【主题与分类】
主题标签:Common Variable Immunodeficiency。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT07255157
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/NCT07255157
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:常见变异型免疫缺陷病。常见变异型免疫缺陷病(CVID)是成人中最常见的症状性原发性免疫缺陷病,可将反复感染与严重的非感染性并发症相关联。遗憾的是,目前仍没有绝对的生物标志物能够预测哪位CVID患者会发展为非感染性并发症。因此,有助于细化CVID患者预后判断的新型生物标志物需要进一步研究。此外,驱动非感染性并发症的免疫机制仍不明确。因此,需要进一步深入了解CVID的病理生理学,以便为伴有非感染性并发症的CVID患者(CVIDc)发现新的治疗方法。初步结果显示,与仅有感染表现的患者(CVIDi)和健康个体(HI)相比,CVIDc患者循环外周辅助性T细胞(Tph)增多。Tph是近期被描述的细胞,表达CXCR3,辅助记忆B细胞,并可在自身免疫性疾病的炎症组织中被发现。它们是自身反应性T细胞的主要储存库,提示Tph是驱动自身免疫过程的关键。
一些作者假设Tph可帮助非典型记忆B细胞(ABCs),这是一种参与自身免疫性疾病病理生理的B细胞亚群,在CVIDc患者中也会扩增。研究者观察到,与非CVID对照相比,CVIDc患者脾脏中CXCR3+细胞增多。这些CXCR3+细胞可能对应于支持滤泡外反应的Tph,进而导致B细胞耐受丧失。假设是T-B细胞协作的改变导致CVID患者中Tph扩增。Tph可能通过向ABCs等病理性B细胞提供帮助,支持靶组织中的非感染性并发症。利用CVIDc/CVIDi患者和HI的外周血,研究者将通过T-B共培养确定Tph是否支持CVIDc患者中病理性B细胞活化。患者将在其常规
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。




