细菌分离株的抗菌素耐药性与基因组分析

数据集获取

源站：https://clinicaltrials.gov/study/NCT07884942

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

条件：血流感染，成人癌症患者。此类患者的血流感染常合并多种微生物感染和多重耐药菌感染，与更差的预后相关，因此早期识别高危患者对于优化经验性治疗和指导升级治疗至关重要。由于血培养结果需要数天才能获得，一次感染发作的结局在很大程度上取决于在病原体及其药敏结果未知之前所作经验性抗生素选择的质量。由于抗菌药物耐药（AMR）——21世纪最严重的全球健康威胁之一——这种选择正变得越来越困难。多重耐药菌的传播，如产ESBL肠杆菌目细菌、碳青霉烯耐药肠杆菌目细菌（CRE）和耐甲氧西林金黄色葡萄球菌（MRSA），已缩小了经验性治疗的可靠选择范围。临床医生通常依赖本地抗菌药物谱、指南和个人经验，而这些无法反映患者特异性危险因素或病区层面快速变化的耐药模式。

因此，治疗方案往往要么过于宽泛，从而加剧耐药性，要么过于狭窄，面临治疗失败的风险，而在菌血症中，不恰当的经验性治疗始终与更高的死亡率相关。表型药敏试验能告诉我们分离株是否耐药，但不能说明原因。对耐药分离株进行分子特征分析可识别其潜在基因和谱系，并能解释预测的表型。例如，对血液恶性肿瘤患者的CRE血流分离株进行全基因组测序显示，在碳青霉烯耐药肺炎克雷伯菌中，ST11和blaKPC-2占主导地位。因此，将临床预测与基因组数据关联起来，可使预测模型更具可解释性，并对监测更有用。

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。