外周血DNA甲基化谱预测B细胞非霍奇金淋巴瘤未来发展
缺乏准确的淋巴瘤早期检测方法限制了治愈患者的能力。表现为晚期疾病的非霍奇金淋巴瘤（NHL）患者结局更差。我们开发了一种基于DNA甲基化的NHL预测工具，其依据是前瞻性采集自278名表面健康人群的血液样本，这些人群被随访长达16年以监测NHL的发生
基本信息
资源简介
外周血DNA甲基化谱预测B细胞非霍奇金淋巴瘤未来发展
该数据集围绕外周血DNA甲基化谱预测B细胞非霍奇金淋巴瘤（NHL）的未来发生风险而建立。非霍奇金淋巴瘤患者若在晚期才被发现，结局往往更差，而当前缺乏准确的淋巴瘤早期检测方法，限制了治愈患者的能力。为此，研究者基于前瞻性采集自278名表面健康人群的血液样本，开发了一种基于DNA甲基化的NHL预测工具，并对这些人进行了长达16年的随访以监测NHL的发生。研究采用稳健的训练/验证框架，通过机器学习方法构建预测评分，该评分整合了135个基因组位置的CpG DNA甲基化信息，评分越高提示风险越高。该数据集由Espin-Perez, Almudena提交至Zenodo，发布时间为2022年，采用Creative Commons Attribution 4.0 International许可，本站归类为肿瘤/淋巴瘤。
【数据集背景】
非霍奇金淋巴瘤（NHL）表现为晚期疾病的患者结局更差，而缺乏准确的早期淋巴瘤检测方法限制了治愈患者的能力。在这一背景下，研究者希望借助血液样本中的DNA甲基化信息，建立能够在疾病发生之前识别高风险个体的预测工具，从而为早期干预和监测提供依据。该数据集的建立正是服务于这一目标，其核心是开发并验证一个基于DNA甲基化的NHL预测评分。
【数据内容】
该数据集的核心内容是一套基于DNA甲基化的NHL预测评分体系。该预测评分整合了135个基因组位置的CpG DNA甲基化信息，评分越高表示未来发生NHL的风险越高。评分通过机器学习方法在稳健的训练/验证框架下开发而成。在验证队列中，该评分对于识别未来发生NHL风险的患者，在高表观遗传有丝分裂时钟和低表观遗传有丝分裂时钟的患者中分别达到85%和78%的准确率。此外，该评分在检测活动性NHL时也表现出敏感性，准确率为96.3%，对健康状态的识别准确率为95.6%。数据集中所涉及的具体样本记录、甲基化矩阵文件、临床随访字段等细节，源站未提供。
【采集与来源】
该数据集所依据的血液样本为前瞻性采集，来自278名表面健康的人群。这些个体被随访长达16年，以监测NHL的发生情况。样本采集的前瞻性设计使得研究者能够在疾病出现之前获取基线甲基化信息，并观察其与后续NHL发生之间的关联。数据集的来源站为doi.org，提交机构为Zenodo，作者为Espin-Perez, Almudena，发布时间为2022年。关于样本采集的具体地点、采集时间跨度、随访中心数量等信息，源站未提供。
【适用场景】
该数据集及由此开发的预测评分适用于非霍奇金淋巴瘤的早期风险识别场景。具体而言，可用于在表面健康人群中评估未来发生NHL的风险，评分越高提示风险越高；也可用于检测活动性NHL，以及在相关研究中区分健康状态。由于评分在高表观遗传有丝分裂时钟和低表观遗传有丝分裂时钟的患者中均表现出一定的识别准确率，其应用可覆盖不同表观遗传背景的人群。此外，该预测工具可作为淋巴瘤早期检测方法研究的参考，支持基于血液DNA甲基化标志物的风险分层研究。关于该数据集在临床诊断、筛查项目或商业产品中的具体应用，源站未提供。
【使用方法】
该数据集的使用围绕预测评分的构建与验证展开。研究者采用机器学习方法，在稳健的训练/验证框架下开发预测评分，评分整合135个基因组位置的CpG DNA甲基化信息。使用时，需基于外周血DNA甲基化谱计算该评分，并根据评分高低判断未来发生NHL的风险。验证队列的结果显示，该评分在高表观遗传有丝分裂时钟和低表观遗传有丝分裂时钟的患者中分别达到85%和78%的准确率，对活动性NHL的检测准确率为96.3%，对健康状态的识别准确率为95.6%。关于数据文件的具体格式、预处理步骤、代码实现、模型参数等操作细节，源站未提供。
【质量与限制】
该预测评分在验证队列中表现出较好的识别能力，对未来NHL风险的识别准确率在高表观遗传有丝分裂时钟和低表观遗传有丝分裂时钟的患者中分别为85%和78%，检测活动性NHL的准确率为96.3%，识别健康状态的准确率为95.6%。这些指标来源于稳健的训练/验证框架，提示评分具有一定的可重复性。然而，该数据集基于278名表面健康人群的前瞻性随访样本，样本规模有限；随访时间长达16年，但关于随访期间失访情况、样本人口学构成、外部验证队列的独立性和规模等信息，源站未提供。此外，评分涉及135个基因组位置的CpG甲基化，其在不同检测平台、不同人群中的可迁移性尚缺乏说明。关于数据集的缺失值处理、批次效应校正等质量控制细节，源站未提供。
【引用与许可】
该数据集的作者为Espin-Perez, Almudena，提交机构为Zenodo，发布时间为2022年，来源站为doi.org。数据集采用Creative Commons Attribution 4.0 International许可，允许在署名条件下使用、共享和改编。引用时应注明作者、数据集名称、发布年份及来源信息。关于具体的引用格式、DOI编号以及许可条款的完整文本，源站未提供。
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://doi.org/10.5281/zenodo.6578746
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:
数据集大小约 1.22 GB。
数据说明
缺乏准确的淋巴瘤早期检测方法限制了治愈患者的能力。非霍奇金淋巴瘤（NHL）患者若就诊时已处于晚期，其预后更差。我们基于前瞻性采集的血液样本，开发了一种基于DNA甲基化的NHL预测工具，这些样本来自278名表面健康的患者，随访长达16年以监测NHL的发生。我们采用机器学习方法，在稳健的训练/验证框架下开发了一个预测评分。该预测评分纳入了135个基因组位点的CpG DNA甲基化，评分越高预示风险越高。在一个验证队列中，对于表观遗传有丝分裂时钟高或低的患者，该评分识别未来发生NHL风险患者的准确率分别为85%和78%。在其他独立队列中，该评分检测活动性NHL（准确率96.3%）和健康状态（准确率95.6%）也具有敏感性。针对特定NHL亚型优化的评分在预测其他亚型时显示出显著但较低的准确率。
我们的评分综合了Polycomb和HOX基因的高甲基化情况，这两者在非霍奇金淋巴瘤（NHL）发展中起作用，还包括PAX5——B细胞命运的主转录调节因子。风险评分较高的受试者血液中调节性T细胞、记忆B细胞比例较高，而初始T辅助淋巴细胞比例较低。基于血液DNA甲基化的评分在预测NHL发展方面具有准确性，提前时间可达16年。未来需要前瞻性研究来确认我们的标志物在管理未来有高NHL风险患者中的实用性。
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。
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。
