炎症性气道疾病的免疫状态与疾病控制

数据集获取

源站：https://clinicaltrials.gov/study/NCT07493629

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

疾病类型：气道炎症、慢性阻塞性肺疾病（COPD）、哮喘（诊断）、支气管扩张、OSAS（阻塞性睡眠呼吸暂停综合征）、变应性支气管肺曲霉病（ABPA）。本前瞻性、单中心观察性队列研究旨在通过应用高维单细胞技术，全面刻画慢性气道炎症性疾病患者的免疫图谱。该研究计划入组约205至215名参与者，包括多个疾病组和匹配的健康对照。本研究的一项核心方法学创新是使用CyTOF（飞行时间流式细胞术），这是一种能够在单细胞水平同时分析多达40至100种免疫标志物的质谱流式平台。该方法可对外周血单个核细胞（PBMCs）进行高度详细的表型和功能分析，从而以高于传统流式细胞术的分辨率发现与疾病相关的免疫细胞亚群。

参与者将根据临床诊断标准、功能检测（如FEV1、AHI、FeNO）以及既定临床评分（如ACQ、CAT、GOLD、SGRQ、E-FACED）按疾病类型和严重程度进行分层。血液样本将用于PBMC分离并进行CyTOF分析。辅助评估包括通过ELISA进行细胞因子谱分析、通过单细胞RNA测序（scRNA-seq）获取转录组学信息，以及通过培养和下一代测序（NGS）进行痰液分析，以评估微生物定植和炎症细胞谱。本研究将探讨免疫表型与临床控制水平、疾病严重程度、缺氧指标及炎症介质（如IL-6、TNF-α）之间的相关性。研究还旨在识别可能区分各疾病亚型的关键免疫病理学特征（如T2高型与T2低型哮喘；铜绿假单胞菌阳性与阴性支气管扩张），并评估PRISm等过渡状态与COPD进展的关系。将开发结合免疫和临床参数的多变量模型，以促进预测性分层并指导未来的

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。