COVID-19患者上呼吸道微生物组

该数据集来自omicsdi.org,聚焦COVID-19患者上呼吸道微生物组,结合微生物组测序、病毒载量测定与免疫分析,纳入表型明确的COVID-19患者与对照

omicsdi
浏览 9
基因组分类2019 novel coronavirus infection2019-nCoV infectioncoronavirus disease 2019COVID-19SARS-coronavirus 2SARS-CoV-2
Upper respiratory microbiome of COVID-19 patients

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-17

资源简介

COVID-19患者上呼吸道微生物组

该数据集来自omicsdi.org,聚焦COVID-19患者上呼吸道微生物组,结合微生物组测序、病毒载量测定与免疫分析,纳入表型明确的COVID-19患者与对照。研究考察重症监护室停留时间与氧疗支持类型等混杂因素对微生物组变异的影响,发现机械通气与微生物群落结构改变相关。数据可用于探索上呼吸道微生物组与COVID-19疾病进展的关系及研究混杂因素(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):理解COVID-19的病理机制是全球研究重点。早期证据提示微生物组可能在疾病进展中发挥作用,但现有研究报告的结果相互矛盾。在此,我们通过分析表型明确的COVID-19患者和对照的上呼吸道微生物组,结合微生物组测序、病毒载量测定和免疫分析,考察COVID-19微生物组研究中的潜在混杂因素。我们发现,重症监护室停留时间和氧疗支持类型解释了上呼吸道微生物组内的大部分变异,使病毒载量、疾病严重程度和免疫状态的影响(不显著)相形见绌。具体而言,机械通气与群落结构改变、物种水平多样性降低和菌株水平多样性升高,以及与先前与CO相关的口腔分类群的显著变化有关。

【主题与分类】

主题标签:2019 novel coronavirus infection、2019-nCoV infection、coronavirus disease 2019、COVID-19、SARS-coronavirus 2、SARS-CoV-2。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/ega/EGAS00001004951

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/ega/EGAS00001004951

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

理解COVID-19的病理机制是全球研究的优先事项。早期证据提示微生物组可能在疾病进展中发挥作用,然而当前研究报告的结果相互矛盾。在此,我们通过分析表型明确的COVID-19患者和对照组的上呼吸道微生物组,结合微生物组测序、病毒载量测定和免疫谱分析,考察COVID-19微生物组研究中潜在的混杂因素。我们发现,重症监护病房住院时间和氧疗支持类型解释了上呼吸道微生物组内最多的变异,使病毒载量、疾病严重程度和免疫状态的影响(不显著)相形见绌。具体而言,机械通气与群落结构改变、物种水平多样性降低和菌株水平多样性升高,以及与先前与COVID-19相关的口腔分类群的显著变化有关。

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。

获取专属数据定制方案