肺炎患者DNA甲基化谱反映细胞类型与肺炎严重程度变化
该数据集来自肺炎患者与未患病个体的外周血靶向DNA甲基化研究，包含COVID-19阳性与阴性患者，提供2个文件（补充表格与补充图）
基本信息
资源简介
肺炎患者DNA甲基化谱反映细胞类型与肺炎严重程度变化
DNA methylation profiles in pneumonia patients reflect changes in cell types and pneumonia severity
该数据集来自肺炎患者与未患病个体的外周血靶向DNA甲基化研究，包含COVID-19阳性与阴性患者，提供2个文件（补充表格与补充图）。基于甲基化数据可高精度预测肺炎诊断（AUC=0.92）、中等精度预测SARS-CoV-2 PCR阳性（AUC=0.77），并以R²=0.69预测肺炎严重程度（PORT评分）；还可通过甲基化数据估计免疫细胞频率，用于研究细胞类型变化与疾病严重程度的关系（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《DNA methylation profiles in pneumonia patients reflect changes in cell types and pneumonia severity》发表于 Epigenetics（2022），DOI：10.1080/15592294.2022.2051862。项目资助方：This work was supported by the National Institutes of Health [T32CA201160].。源站首次发布：2022-03-21。
【数据内容】
源站描述（机器翻译，仅供参考）：免疫细胞类型组成随年龄变化，可能削弱对传染病的反应。对免疫细胞的表观遗传标记进行分析有助于我们理解其与疾病严重程度的关系。因此，我们采用靶向DNA甲基化方法，研究了一组肺炎患者（COVID-19阳性与阴性）及未患病个体外周血的差异。该方法使我们能够高精度预测肺炎诊断（AUC = 0.92），并以中等但较低的精度预测对SARS-CoV-2病毒基因组的PCR阳性（AUC = 0.77）。我们还能够预测肺炎的严重程度（PORT评分），R2 = 0.69。通过从DNA甲基化数据估计免疫细胞频率，65岁以下且SARS-CoV-2基因组阳性（经PCR显示）的患者表现出T细胞增加，并且具体
【数据结构与技术规格】
文件数 2 个，合计 2.81 MB。数据集 DOI：10.6084/m9.figshare.19391718.v1。
【主题与分类】
源站学科分类：Medicine、Cell Biology、Genetics、Molecular Biology、Immunology、Biological Sciences not elsewhere classified。主题标签：DNA methylation、pneumonia、SARS-CoV-2、targeted bisulfite sequencing、cell-type deconvolution、biomarkers。本站分类：呼吸系统疾病/肺炎。
【适用方向】
源站学科分类标注为 Medicine、Cell Biology、Genetics、Molecular Biology、Immunology、Biological Sciences not elsewhere classified。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/DNA_methylation_profiles_in_pneumonia_patients_reflect_changes_in_cell_types_and_pneumonia_severity/19391718
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：DNA methylation profiles in pneumonia patients reflect changes in cell types and pneumonia severity. Taylor & Francis. Morselli, Marco; Farrell, Colin; Montoya, Dennis; Gören, Tarık; Sabırlı, Ramazan; Türkçüer, İbrahim; et al
【使用注意】
· 源站最后修改于 2023-06-02，引用时请注意版本时效。
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/10.6084/m9.figshare.19391718.v1
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:
数据集大小约 2.8 MB。
数据说明
免疫细胞类型组成随年龄变化，可能削弱对传染病的应答。对免疫细胞的表观遗传标记进行分析有助于我们理解其与疾病严重程度的关系。因此，我们采用靶向DNA甲基化方法，研究了一组肺炎患者（COVID-19阳性和阴性）以及未受影响个体的外周血差异。该方法使我们能够以高准确度预测肺炎诊断（AUC = 0.92），并以中等（ albeit较低的）准确度预测SARS-CoV-2病毒基因组的PCR阳性（AUC = 0.77）。我们还能够预测肺炎的严重程度（PORT评分），R² = 0.69。通过从DNA甲基化数据估计免疫细胞频率，65岁以下且SARS-CoV-2基因组阳性（经PCR显示）的患者与阴性对照组相比，T细胞增多，特别是CD8+细胞增多。相反，我们观察到阳性组与阴性组相比，中性粒细胞频率降低。在65岁以上的患者中未发现显著差异。
结果表明，这种基于DNA甲基化的方法可作为经济有效且具有临床实用价值的生物标志物平台，用于预测肺炎及其严重程度。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
