乌干达HIV感染者人类白细胞抗原等位基因与隐球菌病风险研究复现数据
该数据集来自 search.dataone.org,主题为乌干达HIV感染者中人类白细胞抗原(HLA)等位基因与隐球菌病风险的关联研究

基本信息
资源简介
乌干达HIV感染者人类白细胞抗原等位基因与隐球菌病风险研究复现数据
Replication Data for: Investigation of human leukocyte antigen alleles as risk factors for cryptococcal disease in Ugandan individuals with HIV
该数据集来自 search.dataone.org,主题为乌干达HIV感染者中人类白细胞抗原(HLA)等位基因与隐球菌病风险的关联研究。研究使用下一代测序在四字段分辨率下描述经典HLA I类和II类基因的等位基因流行情况,并开展病例对照分析,纳入137名参与者,分为播散性隐球菌病但无脑膜炎、隐球菌性脑膜炎及HIV疾病程度相似的对照组。数据可用于免疫遗传学、HIV相关机会性感染及隐球菌病宿主易感性研究(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):新型隐球菌是一种机会性真菌感染,也是HIV相关脑膜炎的主要原因,尤其在非洲,对AIDS相关死亡率有显著影响。尽管治疗取得进展,病死率仍然很高,这凸显了更好地理解宿主免疫反应的必要性。本研究调查了乌干达HIV感染者中人类白细胞抗原(HLA)基因变异与隐球菌病风险之间的关联。我们首先使用下一代测序在四字段分辨率下描述了经典HLA I类和II类基因在一个前瞻性招募的乌干达人群中的等位基因流行情况。随后我们进行了一项病例对照分析,涉及137名参与者,分为:1)播散性隐球菌病但无脑膜炎,2)隐球菌性脑膜炎,3)具有相似程度HIV疾病的对照组。
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A5ee8bd9dc2befed0e3cae05d766b84d02b0f9b81fb791a0b1b37e267a0007df7
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
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
新型隐球菌是一种机会性真菌感染,也是HIV相关脑膜炎的主要原因,显著增加了AIDS相关死亡率,尤其是在非洲。尽管治疗取得了进展,但病死率仍然很高,这凸显了更好地理解宿主免疫应答的必要性。本研究探讨了人类白细胞抗原(HLA)基因变异与乌干达HIV感染者隐球菌病风险之间的关联。我们首先利用下一代测序技术,在四字段分辨率下对经典HLA I类和II类基因进行了分析,描述了前瞻性入组的乌干达人群中的等位基因流行情况。随后,我们进行了一项病例对照分析,纳入137名参与者,分为:1)播散性隐球菌病但无脑膜炎,2)隐球菌性脑膜炎,3)具有相似程度HIV疾病但无隐球菌感染的对照组。在符合分析标准的66个独特等位基因中,经多重比较校正后,我们发现HLA变异与播散性隐球菌病或隐球菌性脑膜炎风险改变之间无显著关联。
然而,在进行多重比较校正之前,HLA-DPB104:01显示出对播散性疾病和隐球菌脑膜炎的较低比值比。利用公共在线数据库,我们分析了预测的隐球菌肽与HLA-DPB104:01的结合以及预测的干扰素-γ反应,并确定了121个可行肽段——这促使我们推测主要表位的作用。本研究强调了进一步探究HLA系统在HIV相关隐球菌病宿主-病原体相互作用中重要性的必要性。
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。




