高通量组学技术用于免疫细胞网络识别复发性急性播散性脑脊髓炎生物标志物
该数据集来自 clinicaltrials.gov,聚焦急性播散性脑脊髓炎(ADEM)与自身免疫性脑炎,属于神经系统疾病范畴

基本信息
资源简介
高通量组学技术用于免疫细胞网络识别复发性急性播散性脑脊髓炎生物标志物
该数据集来自 clinicaltrials.gov,聚焦急性播散性脑脊髓炎(ADEM)与自身免疫性脑炎,属于神经系统疾病范畴。ADEM 是儿童最常见的脑炎,50-65% 与抗 MOG 抗体相关(MOGAD),且儿童 MOGAD 以 ADEM 表现者复发风险高达 30%。数据集旨在通过高通量组学技术在免疫细胞网络中识别复发性 ADEM 的生物标志物,可用于探索复发相关标志物、区分单相与多相病程,并支撑神经系统自身免疫疾病的分类与预测研究(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:急性播散性脑脊髓炎、自身免疫性脑炎。急性播散性脑脊髓炎(ADEM)是一种中枢神经系统神经炎症性疾病,表现为意识受损,甚至达到昏迷程度,以及多灶性神经功能缺损。ADEM 是儿童中最常见的脑炎。此外,儿童中 50-65% 的 ADEM 与抗 MOG 抗体存在相关(MOGAD)。事实上,ADEM 是儿童 MOGAD 最常见的临床表现,50-75% 发生在 10 岁之前。在表现为 ADEM 的儿童 MOGAD 中,复发风险高达 30%,高于脊髓炎或视神经炎。多相性 MOGAD 更常与后遗症相关,比例为 50-69%,而单相型为 4-32%。在 ADEM 中,认知和癫痫后遗症占主导。2020 年欧洲联盟和 2022 年国家
【主题与分类】
主题标签:Acute Disseminated Encephalomyelitis、Encephalitis Autoimmune。本站分类:神经系统疾病/其他。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06863974
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://clinicaltrials.gov/study/NCT06863974
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
疾病:急性播散性脑脊髓炎、自身免疫性脑炎。急性播散性脑脊髓炎(ADEM)是一种中枢神经系统神经炎症性疾病,表现为意识障碍,甚至昏迷,以及多灶性神经功能缺损。ADEM是儿童中最常见的脑炎。此外,50-65%的儿童ADEM与抗MOG抗体(MOGAD)的存在相关。事实上,ADEM是儿童MOGAD最常见的临床表现,50-75%发生在10岁之前。在表现为ADEM的儿童MOGAD中,复发风险较高,高达30%,相比之下脊髓炎或视神经炎较低。多相性MOGAD更常伴有后遗症,占50-69%的病例,而单相性形式为4-32%。在ADEM中,认知和癫痫后遗症占主导地位。2020年欧洲联盟和2022年国家诊断与护理方案建议,早在疾病第二次发作时,或在出现远期后遗症时,即引入疾病修饰疗法,以限制复发和后遗症。然而,这些治疗需要数月才能见效。
目前,除了1年后血抗MOG抗体水平持续升高(≥1:1280)外,尚无可靠的预测因素可预测MOGAD复发。因此,本研究旨在从首次发作中识别与MOGAD复发相关的生物标志物。为此,我们将通过单细胞下一代RNA测序技术,研究抗MOGAD神经炎症复发的儿童循环血单核细胞的转录组。预判该疾病的多相轨迹将有助于引入早期疾病修正治疗,以预防复发和长期后遗症。此外,发现分子和/或细胞特征将有助于更好地理解ADEM和MOGAD的病理生理学。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




