评估人体对JYNNEOS疫苗的免疫应答

源站描述指出,尽管既往已有大量研究分析MVA接种后血液中的免疫反应,但针对肺和皮肤黏膜免疫应答以及骨髓免疫应答的研究很少

Washington University School of MedicineWashington University School of Medicine
clinicaltrials
浏览 2
其他VacciniaVirus Diseases疫苗编码
Evaluating the Human Immune Response to the JYNNEOS Vaccine

基本信息

模态
其他
创建/更新时间
2026-10-25

资源简介

评估人体对JYNNEOS疫苗的免疫应答

该数据集来自clinicaltrials.gov,围绕评估人体对JYNNEOS疫苗(基于Modified Vaccinia Ankara,MVA)的免疫应答。源站描述指出,尽管既往已有大量研究分析MVA接种后血液中的免疫反应,但针对肺和皮肤黏膜免疫应答以及骨髓免疫应答的研究很少。数据集覆盖Vaccinia与Virus Diseases相关条件,可用于探索MVA疫苗系统在肺、皮肤和骨髓等关键免疫区室中诱导免疫应答的评估方法(来源 clinicaltrials.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):条件:Vaccinia,Virus Diseases。Orthopoxvirus疫苗接种可诱导非常高强度的抗原特异性T细胞应答和中和抗体应答,这些应答可在接种后数十年于血液中检测到。尽管既往已有大量关于人体对Modified Vaccinia Ankara(MVA)疫苗接种的血液免疫应答研究,但其中很少有研究评估肺部与皮肤的人体黏膜免疫应答,或骨髓中对MVA疫苗接种的免疫应答。目前,探索这些关键免疫区室中人体免疫应答的方法的发展,使得利用MVA疫苗系统评估这些人体组织中免疫应答的诱导成为可能。

【主题与分类】

主题标签:Vaccinia、Virus Diseases。本站分类:呼吸系统疾病。

【获取与许可】

源站页面:https://clinicaltrials.gov/study/NCT06366672

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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

有偿下载

公开数据集受托下载与技术交付服务。

提供高速下载与技术交付服务(收技术服务费,非数据销售)

暂未开放

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://clinicaltrials.gov/study/NCT06366672

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:牛痘,病毒性疾病。痘苗病毒疫苗接种可诱导极高强度的抗原特异性T细胞应答和中和抗体应答,这些应答可在接种后数十年仍于血液中检测到。尽管既往已有大量关于人体对改良安卡拉痘苗病毒(MVA)疫苗接种的血液免疫应答研究,但其中极少有研究评估人体肺部和皮肤对MVA的黏膜免疫应答,或骨髓中对MVA疫苗接种的免疫应答。如今,探索这些关键免疫区室中人体免疫应答的方法的发展,使得利用MVA疫苗系统评估这些人体组织中免疫应答的诱导成为可能。

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。

数据缺失?

依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。

⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。

获取专属数据定制方案