慢性过敏性肺炎外周血转录组特征预后准确性数据集
该数据集来自 NCBI GEO（GSE319562），包含 37 例慢性过敏性肺炎（CHP）患者初诊时外周血单个核细胞（PBMC）的 RNA-seq 表达谱及临床资料
基本信息
资源简介
慢性过敏性肺炎外周血转录组特征预后准确性数据集
Prognostic accuracy of a peripheral blood transcriptome signature in chronic hypersensitivity pneumonitis
该数据集来自 NCBI GEO（GSE319562），包含 37 例慢性过敏性肺炎（CHP）患者初诊时外周血单个核细胞（PBMC）的 RNA-seq 表达谱及临床资料。研究在 10% 错误发现率下识别出 74 个差异表达转录本，可区分 24 个月内疾病进展组（n=10）与未进展组（n=27），并比较了基于基因表达联合临床因素与仅基于临床因素的分类模型。数据可用于探索 CHP 预后相关的血液转录组标志物及构建预后预测模型（来源 NCBI）。
【数据集背景】
源站首次发布：Feb 13 202。
【数据内容】
源站描述（机器翻译，仅供参考）：外周血单个核细胞（PBMC）表达谱用于慢性过敏性肺炎（CHP）患者时，作为传统临床评估辅助手段的预后价值尚不清楚。对 37 例初诊 CHP 患者 PBMC 的 RNA-seq 分析确定：（1）在 10% 错误发现率下，74 个差异表达转录本可区分疾病进展者（n=10）与未进展者（n=27），进展定义为 24 个月内绝对 FVC 和/或肺一氧化碳弥散量（DLCO）下降 ≥10% 且胸部 CT 图像纤维化增加；（2）基于基因表达和临床因素的分类模型显著优于仅基于临床因素（基线 FVC%、DLCO% 和胸部 CT 纤维化）的模型。
【数据结构与技术规格】
文件数 1 个，合计 0 B。
【主题与分类】
主题标签：GPL16791、9606。本站分类：呼吸系统疾病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE319562
【使用注意】
· 源站最后修改于 Apr 15 202，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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE319562
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:
数据说明
外周血单核细胞（PBMC）表达谱在慢性过敏性肺炎（CHP）患者中作为传统临床评估辅助手段的预后价值尚不清楚。对37例初诊CHP患者PBMC进行的RNA-seq分析确定：（1）在10%错误发现率下，74个差异表达转录本可区分疾病进展者（n=10）与未进展者（n=27），疾病进展定义为24个月内绝对FVC和/或肺一氧化碳弥散量（DLCO）下降≥10%且胸部CT图像显示纤维化增加；（2）基于基因表达和临床因素的分类模型显著优于仅基于临床因素（基线FVC%、DLCO%和胸部CT纤维化）的模型。
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。
