哮喘受累队列中的IgE反应性谱分析

数据集获取

源站：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-20020

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

背景：大多数哮喘患者血清中针对常见环境过敏原（如屋尘螨、动物皮屑和霉菌）的IgE水平较高。然而，仅针对单一过敏原的特异性IgE存在并不能解释哮喘。许多个体存在特应性但并不患哮喘。精确了解哮喘与非哮喘患者血清IgE特异性谱将大大有助于理解该病的发病机制，同时也有利于治疗和预防措施的实施。方法：我们开发了一种包含103种常见过敏原的微阵列免疫分析法，用于研究来自有哮喘和特应性疾病史家族的485名哮喘患者和342名非哮喘个体的IgE反应性谱。采用k均值聚类分析结果，以探究IgE反应性谱是否与哮喘、疾病严重程度和发病年龄以及过敏性鼻炎、结膜炎和湿疹等其他特应性疾病相关。我们利用血清反应性数据训练了一个人工神经网络（ANN），以识别哮喘和非哮喘个体。

结果：个体血清在识别的过敏原数量、组合以及特异性IgE水平上显示出明显差异。虽然针对单一过敏原的特异性IgE的存在与所检查的病理状况相关性较差，但k均值聚类分析揭示，某一特定特征谱与哮喘显著相关（p <1E-8）。一种基于人工神经网络（ANN）的算法，经特征谱反应性数据校准后，正确地将78%的受检个体分类为哮喘或非哮喘。结论：我们的分析表明，哮喘可能是一种与反应模式相关的高阶现象，而不能归因于单一的抗体反应。这一信息为罹患该疾病的风险提供了新的认识，并可随时用于

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。