先天性巨细胞病毒感染严重程度羊水预后生物标志物鉴定
该数据集来自 omicsdi.org,围绕先天性巨细胞病毒(cCMV)感染严重程度的早期预后评估问题,收录中孕期羊水样本的全局蛋白质组分析数据,比较严重 cCMV 胎儿与无症状 CMV 感染胎儿,并识别出 29 种丰度差异明显的羊水蛋白

基本信息
资源简介
先天性巨细胞病毒感染严重程度羊水预后生物标志物鉴定
该数据集来自 omicsdi.org,围绕先天性巨细胞病毒(cCMV)感染严重程度的早期预后评估问题,收录中孕期羊水样本的全局蛋白质组分析数据,比较严重 cCMV 胎儿与无症状 CMV 感染胎儿,并识别出 29 种丰度差异明显的羊水蛋白。数据可用于探索 cCMV 相关胎儿脑损伤严重程度的羊水生物标志物,并支持在独立验证队列中评估候选蛋白的预后预测价值(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:先天性巨细胞病毒(cCMV)是一种常见的宫内感染,可导致神经发育障碍。对 cCMV 严重程度进行早期预后评估一直是一项持续存在的挑战。我们旨在识别与 cCMV 相关胎儿脑损伤严重程度相关的羊水生物标志物。方法:在中孕期羊水样本中进行全局蛋白质组分析,比较严重 cCMV 胎儿与无症状 CMV 感染胎儿(发现队列)。通过特异性免疫测定进一步确定所选差异分泌蛋白的水平,并在独立验证队列中评估,该队列包括来自无关中心的 CMV 感染胎儿的临床盲法羊水样本。发现:蛋白质组分析识别出 29 种羊水蛋白,其在严重 cCMV 胎儿中的丰度与无症状 cCMV 胎儿相比存在明显差异。通路
【主题与分类】
主题标签:Cytomegalovirus、congenital cytomegalovirus infection、amniotic fluid biomarkers。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD029105
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://omicsdi.org/dataset/pride/PXD029105
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
背景:先天性巨细胞病毒(cCMV)感染是一种常见的宫内感染,可导致神经发育障碍。对cCMV严重程度进行早期预后评估一直是一项持续存在的挑战。本研究旨在识别与cCMV相关胎儿脑损伤严重程度相关的羊水生物标志物。方法:对妊娠中期羊水样本进行全局蛋白质组分析,比较重度cCMV胎儿与无症状CMV感染胎儿(发现队列)。通过特异性免疫测定进一步测定所选差异分泌蛋白的水平,并在独立验证队列中进行评估,该队列包括来自不同中心的CMV感染胎儿的临床盲法羊水样本。结果:蛋白质组分析鉴定出29种羊水蛋白,其在重度cCMV胎儿与无症状cCMV胎儿之间丰度存在明显差异。
对差异分泌蛋白的通路分析揭示了炎症反应、细胞损伤、免疫性疾病、机体损伤和神经系统疾病等富集通路,凸显了母胎界面过度炎症与cCMV相关胎儿脑损伤发生之间的关联。重要的是,其中两种选定用于验证的蛋白——chemerin和半乳糖凝集素-3结合蛋白(Gal-3BP)——在区分17例重度cCMV胎儿与26例无症状CMV感染胎儿时,各自显示出88.2%的敏感性、100-96.2%的特异性、100-93.8%的阳性预测值和92.9-92.6%的阴性预测值,曲线下面积分别为0.98(chemerin)和0.97(Gal-3BP)。解读:这些结果确定了免疫调节蛋白chemerin和Gal-3BP作为cCMV严重程度的新型高预测性羊水生物标志物,可指导cCMV感染胎儿的早期预后分层和潜在的个体化治疗。资助:以色列科学基金会;Hadassah研究基金
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。




