吸烟、免疫细胞谱、表观遗传学与COVID-19的前瞻性自然史研究
该数据集来自clinicaltrials.gov,是一项前瞻性、纵向、观察性、单中心、探索性研究,旨在采集样本与数据,以探索吸烟、免疫系统特征与2019冠状病毒病(COVID-19)之间的相互作用

基本信息
资源简介
吸烟、免疫细胞谱、表观遗传学与COVID-19的前瞻性自然史研究
该数据集来自clinicaltrials.gov,是一项前瞻性、纵向、观察性、单中心、探索性研究,旨在采集样本与数据,以探索吸烟、免疫系统特征与2019冠状病毒病(COVID-19)之间的相互作用。研究将在COVID-19感染前收集基线和数据,以便前瞻性分析这些相互作用。早期证据提示吸烟者与COVID-19感染相关的发病和死亡风险更高。研究已发现吸烟相关的表观遗传学改变、转录变化及免疫细胞谱变化,吸烟暴露导致初始CD8+ T细胞丢失和衰老CD8+ T细胞增加,这些是免疫系统功能障碍的迹象。该数据可用于研究吸烟相关免疫衰老与COVID-19风险的关联(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:COVID-19。研究描述:本研究是一项前瞻性、纵向、观察性、单中心、探索性研究,旨在采集样本和数据,以便探索吸烟、免疫系统特征与2019冠状病毒病(COVID-19)之间的相互作用。本研究将在COVID-19感染前收集基线和数据,以前瞻性探索这些相互作用。COVID-19大流行的早期证据表明,吸烟者与COVID-19感染相关的发病和死亡风险更高。我们已经发现吸烟相关的表观遗传学改变、转录变化以及免疫细胞谱的变化。吸烟暴露导致初始CD8+ T细胞丢失和衰老CD8+ T细胞增加,这些效应是免疫系统功能障碍的迹象。我们提出,与既往吸烟相关的免疫系统衰老
【主题与分类】
主题标签:COVID-19。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT04403386
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/NCT04403386
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:COVID-19。研究描述:本研究是一项前瞻性、纵向、观察性、单中心、探索性研究,旨在收集样本和数据,以便探究吸烟、免疫系统特征与2019冠状病毒病(COVID-19)之间的相互作用。本研究将在COVID-19感染前收集基线样本和数据,这是前瞻性探索这些相互作用所必需的。COVID-19大流行的早期证据表明,吸烟者与COVID-19感染相关的发病率和死亡率风险更高。我们已经发现吸烟相关的表观遗传学改变、转录变化以及免疫细胞谱的变化。吸烟暴露导致初始CD8+ T细胞丢失和衰老CD8+ T细胞增加,这些效应是免疫系统功能障碍的标志。我们提出,与既往吸烟相关的免疫系统衰老是COVID-19发病的一个易感因素。
目标:主要目标:以可识别的方式,前瞻性地从符合条件的参与者中收集基线和纵向的生物样本及数据,并保留以供未来使用,以更好地理解吸烟史、免疫细胞谱与COVID-19发病自然史之间的相互作用。我们假设,在发展为COVID-19的吸烟者中,衰老CD8 T细胞会更高。为验证这一假设,我们将建立一个生物样本库,包含来自吸烟者和非吸烟者在COVID-19暴露前后的冷冻保存外周血单核细胞(PBMCs),并使用质谱流式细胞术(CyTOF)分析详细的免疫谱,检验发展为COVID-19(抗体阳性)的吸烟者中衰老CD8 T细胞的频率是否高于未发展为COVID-19阳性者。探索性目标:将病毒感染易感性的潜在免疫生物标志物与在COVID-19康复前后某一时间点血液中测量的遗传、表观遗传及其他生物学特征进行比较。
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。




