第35届多中心气道研究协作组(MARC-35):婴儿期气道宏基因组内型

该数据集来自一项针对重症毛细支气管炎婴儿的多中心前瞻性队列研究,聚焦婴儿期气道宏基因组内型与儿童期哮喘发生风险的关联。研究识别出生物学上不同的内型,这些内型对后续哮喘发展具有差异化风险

ImmPortImmPort
datacite
浏览 2
基因组分类asthmabronchiolitis
35th Multicenter Airway Research Collaboration (MARC-35): airway metagenome endotyping in infancy

基本信息

模态
基因组
任务类型
分类
许可
Online User Agreement for the NIAID Immunology Database and Analysis Portal
创建/更新时间
2026-10-24

资源简介

第35届多中心气道研究协作组(MARC-35):婴儿期气道宏基因组内型

35th Multicenter Airway Research Collaboration (MARC-35): airway metagenome endotyping in infancy

该数据集来自一项针对重症毛细支气管炎婴儿的多中心前瞻性队列研究,聚焦婴儿期气道宏基因组内型与儿童期哮喘发生风险的关联。研究识别出生物学上不同的内型,这些内型对后续哮喘发展具有差异化风险。数据可用于探索气道微生物组特征与哮喘发病之间的关联,支持内型分类与风险预测相关分析(来源 DOI 解析,Online User Agreement for the NIAID Immunology Database and Analysis Portal 许可)。

【数据集背景】

源站首次发布:2024。

【数据内容】

源站描述(机器翻译,仅供参考):在一项针对重症毛细支气管炎婴儿的多中心前瞻性队列研究中,我们试图识别与儿童期哮喘发展相关的气道宏基因组内型。我们识别出具有不同哮喘发展风险的生物学上不同的内型。

【主题与分类】

主题标签:asthma、bronchiolitis。本站分类:呼吸系统疾病/哮喘。

【获取与许可】

源站页面:https://www.immport.org/shared/study/SDY2841

使用许可:Online User Agreement for the NIAID Immunology Database and Analysis Portal。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/10.21430/m35ond33v5

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

在一项针对重症毛细支气管炎婴儿的多中心前瞻性队列研究中,我们旨在识别与儿童哮喘发生相关的气道宏基因组内型。我们识别出了生物学上截然不同的内型,这些内型与发生哮喘的风险存在差异。

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。

获取专属数据定制方案