scRepertoire 2 完整数据集
该数据集包含来自四名重症COVID-19相关急性呼吸窘迫综合征（ARDS）患者的支气管肺泡灌洗液和外周血样本中的T细胞，兼容contig_list，并可通过combineExpression整合配对TCR测序信息
基本信息
资源简介
scRepertoire 2 完整数据集
scRepertoire 2 Full Data
该数据集包含来自四名重症COVID-19相关急性呼吸窘迫综合征（ARDS）患者的支气管肺泡灌洗液和外周血样本中的T细胞，兼容contig_list，并可通过combineExpression整合配对TCR测序信息。原始研究由Zhao等人开展，在重症COVID-19患者肺部鉴定出克隆扩增的组织驻留记忆样Th17细胞（Trm17细胞），以IL-17A和GM-CSF表达为特征，可能促进肺部过度炎症。数据可用于单细胞T细胞受体分析及免疫应答研究（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：该对象包含来自四名重症COVID-19相关急性呼吸窘迫综合征（ARDS）患者的支气管肺泡灌洗液和外周血样本中的T细胞。数据兼容contig_list，配对TCR测序信息可通过combineExpression整合。Zhao等人的原始研究在重症COVID-19患者肺部鉴定出克隆扩增的组织驻留记忆样Th17细胞（Trm17细胞），以IL-17A和GM-CSF表达为特征，可能促进肺部过度炎症。有关实验设计和发现的完整细节，见Zhao等人（2021）Science Immunology。该队列的完整可视化见：
【主题与分类】
主题标签：Single-Cell Analysis、Genes, T-Cell Receptor、Receptors, Antigen, T-Cell、Receptors, Immunologic/immunology。本站分类：呼吸系统疾病/其他。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.18187313
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.18187313
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:
数据集大小约 251.6 MB。
数据说明
该对象包含从四名重症COVID-19相关急性呼吸窘迫综合征（ARDS）患者的支气管肺泡灌洗液和外周血样本中收集的T细胞。数据与contig_list兼容，配对TCR测序信息可通过combineExpression进行整合。Zhao等人的原始研究在重症COVID-19患者肺部鉴定出克隆扩增的组织驻留记忆样Th17细胞（Trm17细胞），其特征为表达IL-17A和GM-CSF，可能促进肺部过度炎症。有关实验设计和发现的完整详情，请参见Zhao等人（2021）Science Immunology。该队列的完整可视化结果见：https://www.borch.dev/uploads/screpertoire/
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。
