小鼠和人类脾脏转录组分析以确定脓毒症分子特征

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-5663

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

脓毒症预测的准确性是通过对来自12份人类脾脏样本和16份小鼠脾脏样本的基因表达数据进行交叉验证获得的。对于血液研究，分类器是基于26个微阵列的训练数据集构建的。分类器的错误率首先在七个去标识化的微阵列上进行估计，随后对所有33个血液微阵列进行了交叉验证。人类脾脏中脓毒症分类准确性的估计值为67.1%；小鼠脾脏中为96%；小鼠血液中为94.4%（所有估计均基于嵌套交叉验证）。研究组与对照组之间表达有显著变化的基因列表被用来识别九个小鼠常见的炎症反应基因，其中六个基因通过当代通路分析工具映射到单一通路上。实验总体设计：探索性研究使用了来自脓毒症患者和患有腹部脓毒症小鼠的脾脏。回顾性识别了七名受伤后发生脓毒症的患者，并将其与六名受伤患者进行了比较。C57BL/6雄性小鼠接受了盲肠结扎穿刺或腹腔注射脂多糖处理。

对照组小鼠分别接受了假剖腹手术或腹腔注射生理盐水。建立了一个脓毒症分类模型，并在脓毒症小鼠的血液样本上进行了测试。

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。