儿童体外循环前后免疫异质性数据集
该数据集来源于clinicaltrials.gov，聚焦室间隔缺损患儿在体外循环前后的免疫异质性。研究采用scRNA-seq技术，刻画患儿外周血免疫细胞的基因转录谱，分析T细胞等不同免疫细胞群体内部及群体间的差异，以及不同序列中免疫细胞的变化
基本信息
资源简介
儿童体外循环前后免疫异质性数据集
该数据集聚焦室间隔缺损患儿在体外循环前后的免疫异质性，来源于clinicaltrials.gov。研究针对体外循环所致免疫麻痹这一先天性心脏病术后感染的主要原因，拟采用单细胞RNA测序技术，刻画患儿外周血免疫细胞的基因转录谱，分析T细胞等不同免疫细胞群体内部及群体间的差异，以及不同序列中免疫细胞的变化，以期在单细胞分辨率下填补体外循环诱导免疫麻痹微环境免疫机制研究的空白。数据集以室间隔缺损为核心主题标签，归属于呼吸系统疾病/其他分类。
【数据集背景】
先天性心脏病患儿在接受体外循环手术后，常面临术后感染的风险，而体外循环诱导的免疫麻痹被认为是导致这一风险的主要原因，严重影响患儿的预后。然而，体外循环诱导免疫麻痹的潜在机制尚未被完全阐明。现有研究在单细胞分辨率下对体外循环诱导免疫麻痹微环境的免疫机制认识仍存在空白。该数据集正是在这一背景下产生，旨在通过单细胞层面的转录组分析，深入探索体外循环前后患儿免疫系统的变化规律，为理解免疫麻痹的发生机制提供数据基础。
【数据内容】
该数据集的核心内容是接受先天性心脏病手术的患儿在体外循环前后的外周血免疫细胞基因转录谱。研究采用单细胞RNA测序技术，对免疫细胞进行刻画，重点关注T细胞等不同免疫细胞群体。分析内容包括不同免疫细胞群体内部的差异、群体之间的差异，以及免疫细胞在不同序列中的变化。数据集的主题标签为室间隔缺损，所涉及的疾病条件同样为室间隔缺损。通过上述内容，数据集力图呈现体外循环前后免疫异质性的单细胞层面特征。
【采集与来源】
该数据集来源于clinicaltrials.gov。其研究对象为接受先天性心脏病手术的患儿，采集的样本为外周血，采集时间点涵盖体外循环前后。研究采用单细胞RNA测序作为核心技术手段。除上述来源与采集相关信息外，源站未提供更详细的采集流程、样本量、时间跨度或具体机构信息。
【适用场景】
该数据集适用于与室间隔缺损患儿体外循环前后免疫异质性相关的研究场景，尤其是需要在单细胞分辨率下考察免疫细胞基因转录谱、探索T细胞等免疫细胞群体内部及群体间差异、以及分析免疫细胞在不同序列中变化的研究。也可用于关注体外循环诱导免疫麻痹机制的探索性分析。除上述方向外，源站未提供其他具体适用场景的说明。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据访问方式、文件格式、分析流程或配套工具等信息。
【质量与限制】
源站未提供该数据集的质量评估信息与使用限制说明。该研究的潜在机制尚未完全确定，相关结论有待进一步探索。
【引用与许可】
源站未提供该数据集的引用方式与许可信息。
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://clinicaltrials.gov/study/NCT06214182
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
条件：室间隔缺损。体外循环诱导的免疫麻痹是先天性心脏病术后感染的主要原因，严重影响患儿的预后。体外循环诱导的免疫麻痹的潜在机制尚未完全明确。本研究拟采用单细胞RNA测序技术，描述先天性心脏病手术患儿体外循环前后外周血免疫细胞的基因转录图谱，并探索包括T细胞在内的不同免疫细胞群体内部及群体之间的差异，以及免疫细胞在不同序列中的变化。以在单细胞分辨率上填补体外循环诱导的免疫麻痹微环境中免疫机制研究的空白。
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。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
