GSE41055：区分Warao印第安儿童活动性与潜伏性结核的预测性特征基因集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE41055

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

尽管血液转录谱分析已改善了成人结核病（TB）的诊断及对疾病发病机制的理解，但迄今为止，尚无研究报道应用基因表达谱分析儿童TB患者。本研究在委内瑞拉阿马库罗三角洲的瓦劳美洲印第安人队列中，比较了儿童期TB患者以及健康潜伏感染（LTBI）和未感染（HC）儿童的全血基因表达。通过随机森林分析，我们鉴定出一个116基因特征集，该集在我们的数据集中对TB与LTBI以及TB与LTBI与HC的比较显示平均预测误差为11%。此外，一个仅含9个基因的最小集显示出对先前所有使用全血基因表达的成人研究具有显著预测价值，平均预测误差在17%至23%之间。另外，还鉴定出一个42个基因的最小集，其在我们数据集及先前发表的文献队列中，对于TB与LTBI与HC的比较，具有与116基因集相当的预测价值。

为了确定一个在不同种族人群中均具有稳健代表性的基因集，我们选择了十个在文献数据集以及我们自己的数据集中对结核病、潜伏性结核感染和健康对照具有高度区分能力的基因。对这十个基因的功能注释突出表明，参与钙信号传导和钙代谢的基因可能作为活动性结核病的生物标志物发挥作用。这十个基因在一个额外的54名瓦劳美洲印第安儿童队列中通过定量实时聚合酶链反应进行了验证，这些儿童包括潜伏性结核感染、健康对照和非结核性肺炎。决策树分析表明，这十个基因中有五个足以以100%的特异性正确诊断78%的结核病病例。我们得出结论，我们的数据证明有必要进一步探索我们的特征集作为诊断儿童结核病的生物标志物。此外，由于在种族差异显著的队列中鉴定出不同的生物标志物

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。