AI引导的蛋白质组学生物标志物组合用于区分急性发热性疾病中的细菌与病毒感染

数据集获取

源站：https://clinicaltrials.gov/study/NCT07205575

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

研究条件：急性发热性疾病、细菌感染、病毒感染、脓毒症。本研究旨在识别并验证基于蛋白质组学的诊断生物标志物，用于区分细菌性与病毒性急性发热性疾病。研究在既往一项已注册的转录组生物标志物研究（ClinicalTrials.gov标识符：NCT065529754）所使用的同一患者队列中进行。尽管两项研究在改善感染分诊这一总体临床目标上一致，但在方法学、生物标志物模态和分析流程方面在科学上相互独立。转录组研究（NCT065529754）：侧重于源自RNA测序数据的宿主反应基因表达特征。蛋白质组学研究（本注册）：侧重于通过高分辨率质谱（DIA/PRM/SRM）识别并经免疫测定（ELISA）验证的宿主反应蛋白质生物标志物。该蛋白质组学研究旨在发现一组最少且生物学上独特的蛋白质标志物，以便于转化为临床诊断。

本研究评估了一组通过AI辅助蛋白质组学发现并经ELISA验证的微量循环蛋白——ICAM1、CFHR5和GRN——作为细菌与病毒感染快速诊断工具的价值。急性发热患者被前瞻性纳入三个队列：发现队列、内部验证队列和外部验证队列。该独立注册反映了蛋白质组学特有的目标、方法和结局，同时也说明了其与转录组学研究之间的关联。

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。