公共血液、PBMC与支气管肺泡灌洗样本的协调化结节病转录组资源

数据集获取

源站：https://doi.org/10.5281/zenodo.23485914

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。

数据集大小约 122.8 MB。

数据说明

由NCBI GEO构建的结节病与对照公共批量转录组协调资源。逐样本标签核查覆盖了53个系列中的3,770条GSM记录；来自52个系列的2,248个样本通过核查，并标注了组织、研究设计以及结核病诊断研究中招募对照的标记。来自20个系列的1,160个样本被重新处理为22个按系列划分的基因矩阵；63个样本未通过质量控制，5个样本因作为重新存放的副本而被合并。跨系列矩阵针对全血（397个样本，16,824个基因）、PBMC（332个样本，9,636个基因）和支气管肺泡灌洗细胞（BAL；339个样本，7,804个基因）构建。肺、淋巴结、皮肤、鼻、眶及分选细胞系列已编目，但未重新处理。经ComBat校正的矩阵仅供探索和可视化使用。正式分析应在每个系列（或批次）内进行，使用按系列划分的矩阵或以系列作为因子的未校正矩阵，然后通过随机效应荟萃分析合并系列内估计值。

不同归一化处理的系列不应合并用于推断（例如，将所有合并样本中的基因或评分进行相关性分析），因为不同系列间平台和归一化方法的差异可能会产生或掩盖关联。源数据为公开的NCBI GEO系列（NCBI对GEO数据的使用或分发不设限制）；未使用受控访问数据。请参阅文件中的README.md和MANIFEST.md5。

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。