基于抗疟药治疗反应的皮肤型红斑狼疮多维免疫分型数据集

该数据集通过成像质谱流式技术对48例皮肤型红斑狼疮患者的活检组织进行多维免疫分析,数据模态包括组织图像和细胞分子标记,旨在揭示不同抗疟药治疗反应组(羟氯喹应答者、奎纳克林应答者、无应答者)的免疫特征差异,为寻找预测治疗反应的生物标志物及推动皮肤狼疮的精准医疗提供研究基础。

Mendeley Data
浏览 32
皮肤型红斑狼疮免疫分型治疗反应预测生物标志物
Multidimensional immune profiling of cutaneous lupus erythematosus in vivo stratified by patient responses to antimalarials

基本信息

大小
7.18 GB
创建/更新时间
2026-09-21
版本
v1

资源简介

基于抗疟药治疗反应的皮肤型红斑狼疮多维免疫分型数据集

【数据集背景】

本数据集源站标题为《Multidimensional immune profiling of cutaneous lupus erythematosus in vivo stratified by patient responses to antimalarials》。源站首次发布:2022-03-09。

【数据内容】

源站原始描述:Title: Multidimensional immune profiling of cutaneous lupus erythematosus in vivo stratified by patient responses to antimalarials Jay Patel1,2†; Thomas Vazquez1,2†; Felix Chin1,2; Emily Keyes1,2; Daisy Yan, MD1,2; DeAnna Diaz1,2; Madison Grinnell1,2; Meena Sharma, PhD1,2; Yubin Li, PhD1,2; Rui Feng, PhD3; Grant Sprow1,2; Victoria P. Werth, MD1,2* 1Corporal Michael J. Crescenz Veterans Affairs Medical Center, Philadelphia, PA, 19104 2Department of Dermatology, School of Medicine, University of P…

【数据结构与技术规格】

文件数 3 个,合计 7.18 GB。数据集 DOI:10.17632/b7vr75sbdz.1。

【获取与许可】

源站页面:https://data.mendeley.com/datasets/b7vr75sbdz

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://data.mendeley.com/datasets/b7vr75sbdz

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

本数据集是一项针对皮肤型红斑狼疮(CLE)的免疫学研究,旨在探索不同患者对抗疟药(如羟氯喹和奎纳克林)治疗反应的免疫学基础。数据集包含48例未经治疗的皮肤活检样本,利用成像质谱流式技术对样本中的多种免疫细胞类型和炎症标志物进行原位分析。数据按患者后续对治疗的反应(羟氯喹应答者、奎纳克林应答者、无应答者)进行分层,以识别潜在的预测性生物标志物。该研究揭示了不同应答组在T细胞亚群、干扰素信号通路及细胞间相互作用等方面的差异,为CLE的精准医疗和个体化治疗提供了重要依据。

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