单细胞RNA测序验证的哮喘-COPD重叠诊断关键血液生物标志物

数据集获取

源站：https://doi.org/10.17632/6yc2zksnf7.1

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。

数据集大小约 20.5 MB。

数据说明

哮喘-慢阻肺重叠（ACO）是一种异质性呼吸系统综合征，兼具哮喘和慢性阻塞性肺疾病（COPD）的病理特征，给准确的临床诊断和个体化管理带来了重大障碍。亟需可靠的血液学生物标志物来改善ACO的分类和预后评估。在这项为期十年的回顾性队列研究中，共纳入53 951名参与者，并将其分层为健康对照组、单纯哮喘组、单纯COPD组和ACO组。四个队列在年龄分布、性别比例和常规外周血炎症指标方面存在显著的组间差异。相关性分析证实了核心炎症指标之间的稳定关联，包括中性粒细胞与淋巴细胞比值（NLR）和血小板与淋巴细胞比值（PLR）。

利用公共单细胞RNA测序（scRNA-seq）数据集进行的外部验证显示，在组织水平上，四组间中性粒细胞、淋巴细胞和嗜酸性粒细胞的肺部比例呈现一致的变化；这些组织水平的变化密切再现了外周血免疫表型，印证了循环标志物的生物学可靠性。将筛选出的核心血液学指标纳入贝叶斯机器学习模型后，嗜酸性粒细胞（EOS）、中性粒细胞（NEUT）和淋巴细胞（LYMP）显示出最强的预测价值，最终构建的联合贝叶斯分类器对ACO、哮喘和COPD的风险分层实现了稳健的判别能力。总体而言，我们的研究结果证明了这些关键外周免疫生物标志物用于ACO辅助诊断的生物学一致性和临床实用性。所构建的无创预测模型支持对慢性阻塞性气道疾病的精准临床评估和个体化干预。

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。