NC/Nga小鼠特应性皮炎样症状病前状态的动态网络生物标志物识别

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE295168

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

特应性皮炎（AD）是一种全球常见的皮肤病，以瘙痒性湿疹为特征，病情呈加重与缓解交替的周期变化。尽管已有若干生物标志物可反映AD的严重程度，但用于预测疾病发生和复发的可靠标志物仍不明确。动态网络生物标志物理论通过分析健康状态向疾病状态相变前的特征性网络波动，来检测疾病前状态或症状前状态。为探究动态网络生物标志物理论对AD的适用性，我们在NC/Nga小鼠AD样皮炎发生前后进行了血液转录组分析。我们鉴定出356个动态网络生物标志物基因，其时间波动能够检测AD样皮炎发生前的疾病前状态。这些基因在内质网应激和凋亡相关通路中显著富集；这些通路的波动可能与AD的发生相关。我们的研究表明，动态网络生物标志物理论可能适用于AD，并且识别疾病前状态可能有助于早期干预和疾病预防。

总体而言，这种方法可为维持长期缓解及改进AD管理策略提供宝贵见解。

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。