尿液细胞基因组生物标志物揭示脓毒症与无菌性炎症代谢组差异（发现队列）

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE168442

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

脓毒症是一种具有时间敏感性的疾病，伴随显著的死亡率、发病率及医疗费用，尤其在诊断延迟时更为突出。临床医生在因大手术导致无菌性组织损伤的患者中，往往难以准确区分脓毒症与无菌性全身炎症反应综合征（SIRS）。脓毒症由宿主对病原体反应失调所驱动；而SIRS则由组织损伤所驱动。全血或血液特定细胞成分的转录组学分析已被用于发现脓毒症与未感染SIRS之间潜在的病因学差异。基于血液的基因微阵列已显示出在区分脓毒症与SIRS方面的有效性。重症患者常按标准临床护理采集尿液，但尿液脓毒症生物标志物的诊断效用尚不清楚。

在本研究中，我们使用了SIRS和脓毒症患者的单中心前瞻性队列，检验了以下假设：基于全基因组转录组尿液RNA特征的机器学习特征选择能够识别出在脓毒症发病十二小时内区分脓毒症与无菌性SIRS的基因表达模式。

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。