小儿骨关节感染遗传分析数据集
该数据集包含小儿骨关节感染患者的临床信息、金黄色葡萄球菌分离株的全基因组测序数据、毒力基因谱以及生物膜形成实验数据，属于多模态的基因组与临床研究数据集，主要用于通过比较基因组学和系统发育分析，探究金黄色葡萄球菌的遗传特征与不同严重程度骨关节感染及皮肤感染之间的关联，为理解细菌致病机制和潜在治疗靶点提供依据。
基本信息
资源简介
小儿骨关节感染遗传分析数据集
【数据集背景】
本数据集源站标题为《Genetic anaylsis of pediatric osteoarticular infections》。
【数据内容】
源站原始描述：Background : Pediatric osteoarticular infections are commonly caused by Staphylococcus aureus . The contribution of S. aureus genomic variability to pathogenesis of these infections is poorly described. Methods : We prospectively enrolled 47 children over 3 1/2 years from whom S. aureus was isolated on culture-12 uninfected with skin colonization, 16 with skin abscesses, 19 with osteoarticular infections (four with septic arthritis, three with acute osteomyelitis, six with acute osteomyelitis…
【数据结构与技术规格】
数据集 DOI：doi:10.5061/dryad.2280gb5vj。
【主题与分类】
主题标签：Staphylococcus aureus、Osteomyelitis、septic arthritis、chronic osteomyelitis。
【获取与许可】
源站页面：https://doi.org/10.5061/dryad.2280gb5vj
使用许可：https://spdx.org/licenses/CC0-1.0.html。
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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://datadryad.org/stash/dataset/doi:10.5061/dryad.2280gb5vj
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
该数据集是一项针对小儿骨关节感染（OAIs）的前瞻性研究，旨在通过基因组学方法分析金黄色葡萄球菌（S. aureus）的致病机制。数据集包含2016年至2019年间从18岁以下患儿中收集的临床和微生物学数据，覆盖急性骨髓炎、急性化脓性关节炎、慢性骨髓炎以及同时患有化脓性关节炎和骨髓炎的患者群体。此外，还包括了来自皮肤软组织脓肿患儿和无症状皮肤定植健康对照者的金黄色葡萄球菌分离株作为对照。数据集整合了详细的临床信息、微生物学分离株、全基因组测序数据（包括组装统计如总长度、N50等）、毒力基因分析、系统发育树构建以及静态生物膜测定实验结果。主要研究方向包括比较不同感染类型和对照组之间金黄色葡萄球菌的基因组特征、毒力因子分布、系统发育关系以及生物膜形成能力，以探索细菌遗传因素与感染严重程度和临床表现之间的关联。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
