Long COVID 患者的表观遗传学变化

数据集获取

源站：https://clinicaltrials.gov/study/NCT07757620

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

条件：长新冠综合征、长新冠症状。本研究旨在识别长新冠背后的免疫学和分子机制，尤其关注持续存在的心肺表现以及肠道驻留免疫的作用。该项目整合临床、免疫学、转录组学、表观基因组学、微生物组和计算分析，以识别与疾病表型相关的生物标志物及潜在治疗靶点。该研究兼具回顾性和前瞻性，提供了可观的样本量。该研究为非营利性，其执行不涉及在患者既定正常临床路径之外进行干预。将实现三个互补目标。目标1将识别与长新冠相关的免疫学和分子特征。约800名纳入圣拉斐尔医院长新冠门诊队列（OSR COVID-BIOB临床研究，NCT04318366）的参与者，连同康复的COVID-19受试者和疫情前健康对照，将被分析。临床数据包括急性感染特征、疾病进程、心肺表现及纵向随访。

已采集的外周血样本将进行转录组学、表观基因组学和免疫学表征。批量RNA测序和DNA甲基化谱分析将识别差异表达基因和表观遗传改变，并在独立队列中进行验证。免疫表型分析将评估T细胞、B细胞和NK细胞亚群、调节性T细胞、SARS-CoV-2特异性抗体、干扰素反应、补体激活和记忆B细胞。标准化的样本处理、技术和生物学质量控制、批次效应校正以及相关混杂因素的调整将确保数据的可靠性。目标2将利用MedMol生物样本库中从接受临床指征结肠镜检查的患者收集的剩余肠道活检组织，研究Long COVID中的肠道驻留免疫细胞和肠道改变。Mul

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。