COVID-19疾病严重程度相关的SnoRNAs与miRNAs表达谱
该数据集来自omicsdi.org,主题标签为Transcriptomics,属于呼吸系统疾病分类。数据为外周血中miRNAs与snoRNAs的表达谱,用于刻画重症COVID-19病例(n=9)与对照相比的分子特征

基本信息
资源简介
COVID-19疾病严重程度相关的SnoRNAs与miRNAs表达谱
该数据集来自omicsdi.org,主题标签为Transcriptomics,属于呼吸系统疾病分类。数据为外周血中miRNAs与snoRNAs的表达谱,用于刻画重症COVID-19病例(n=9)与对照相比的分子特征。源站描述指出,SARS-CoV-2感染临床表现从无症状、轻症到重症不等,重症可导致急性呼吸窘迫综合征和多器官衰竭;miRNA通过结合靶mRNA的3′UTR诱导降解,在转录后抑制中发挥基础作用,血液miRNA水平变化已在多种炎症和感染性疾病中被描述。该数据可用于研究COVID-19疾病严重程度相关的非编码RNA表达差异(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):致病微生物严重急性呼吸综合征冠状病毒2(SARS-CoV-2)在患病患者中表现出广泛的临床表现。COVID-19严重程度的差异从无症状感染和轻症到重症不等,重症可导致急性呼吸窘迫综合征(ARDS)和多器官衰竭,生存率低。MiRNAs可通过结合靶mRNA的3′UTR诱导其降解来调控多种细胞过程,包括增殖、凋亡和分化,从而在转录后抑制中发挥基础作用。血液中miRNA水平的变化已在多种炎症和感染性疾病中被描述,包括SARS相关冠状病毒。我们使用微阵列来描绘重症COVID-19病例(n=9)外周血中的miRNAs和snoRNAs特征,与
【主题与分类】
主题标签:Transcriptomics。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-10970
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://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-10970
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
致病微生物严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)在感染患者中表现出广泛的临床表现。COVID-19的严重程度差异很大,从无症状感染和轻症病例到重症病例,重症可导致急性呼吸窘迫综合征(ARDS)和多器官衰竭,生存率低。miRNA能够通过结合靶mRNA的3′UTR诱导其降解,从而调控包括增殖、凋亡和分化在内的多种细胞过程,因此在转录后抑制中发挥基础性作用。已有研究报道,包括SARS相关冠状病毒在内的多种炎症性和感染性疾病中,血液miRNA水平会发生改变。我们使用微阵列技术描绘了重症COVID-19病例(n=9)外周血中的miRNA和snoRNA特征,并与轻症(n=10)和无症状(n=10)患者进行比较,鉴定出重症与无症状之间以及重症与轻症COVID-19病例之间差异表达的转录本。研究选取了29例年龄匹配的男性患者队列。
所有患者此前均使用TaqPath COVID-19 Combo Kit(Thermo Fisher Scientific,马萨诸塞州沃尔瑟姆)或Cobas SARS-CoV-2 Test(Roche Diagnostics,瑞士罗特克鲁兹)确诊COVID-19,CT值<30。选择的附加标准为年龄在35至75岁之间。参与者被分为重症、轻症和无症状组。重症病例的分类依据是需要高流量氧支持和入住ICU(n=9)。而轻症患者则根据症状和影像学阳性发现并伴有肺部受累来识别(n=10)。无临床表现的患者被标记为无症状病例(n=10)。
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。




