PRJNA108035：急性肺损伤的微阵列分析
该数据集来自 NCBI，聚焦急性呼吸窘迫综合征（ARDS）/急性肺损伤（ALI）的基因表达研究。研究纳入 13 例 ALI 合并脓毒症患者与 21 例单纯脓毒症患者，于入院 48 小时内采集全血并提取 RNA 进行基因表达谱分析与比较
基本信息
资源简介
PRJNA108035：急性肺损伤的微阵列分析
PRJNA108035 是一个聚焦急性呼吸窘迫综合征（ARDS）/急性肺损伤（ALI）基因表达研究的转录组数据集，来源于 NCBI。该研究围绕 ALI 合并脓毒症与单纯脓毒症患者之间的基因表达差异展开，纳入 13 例 ALI 合并脓毒症患者和 21 例单纯脓毒症患者，于入院 48 小时内采集全血、提取 RNA 并进行基因表达谱分析与比较。数据集所属主题为转录组或基因表达，在疾病分类上归入呼吸系统疾病下的其他类别。整体而言，该数据集为理解 ALI/ARDS 这一综合征中特定基因集合之间的相互作用提供了以全血为样本的基因表达层面资料。
【数据集背景】
急性呼吸窘迫综合征（ARDS）/急性肺损伤（ALI）早在约 30 年前就已被描述，但参与该综合征的特定基因集合之间的相互作用至今仍未得到完全阐明。该数据集正是针对这一认识空白而设计，试图通过患者全血的基因表达谱比较，揭示 ALI 合并脓毒症与单纯脓毒症之间的表达差异，从而为理解疾病状态下的基因表达变化提供依据。数据集的关键词标注为疾病状态分析，说明其研究重心在于疾病相关表达特征的刻画。
【数据内容】
该数据集属于转录组或基因表达主题，核心数据为患者全血样本的基因表达谱。研究设计为比较分析：将 13 例 ALI 合并脓毒症患者与 21 例单纯脓毒症患者进行对照，通过 RNA 提取和基因表达谱分析，比较两组在基因表达层面的异同。数据集不涉及其他类型数据的描述。
【采集与来源】
样本来自美国匹兹堡大学医学中心（University of Pittsburgh Medical Center）内科重症监护病房，招募时间为 2005 年 2 月至 2007 年 6 月。每位患者在入院 48 小时内采集全血，随后提取 RNA 用于基因表达谱分析。数据集通过 NCBI（ncbi.nlm.nih.gov）发布，属于该来源站的公开数据资源。
【适用场景】
该数据集适用于急性肺损伤与脓毒症相关的基因表达比较研究，可用于探索 ALI 合并脓毒症患者相对于单纯脓毒症患者的表达谱差异，也可作为疾病状态分析类转录组研究的参考数据。其全血来源的表达谱特征适合用于外周血基因表达标志的初步筛选与验证性分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/bioproject/PRJNA108035
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
急性呼吸窘迫综合征（ARDS）/急性肺损伤（ALI）的描述已有30年历史，但参与该综合征的特定基因集之间的相互作用仍未被完全理解。关键词：疾病状态分析 总体设计：2005年2月至2007年6月期间，从匹兹堡大学医学中心内科重症监护室招募了13名ALI合并脓毒症患者和21名单纯脓毒症患者。每位患者入院48小时内采集全血，提取RNA进行基因表达谱分析和比较分析。
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。
