影响肾移植等待期死亡率的因素：基于KONOS数据库的全国人群队列研究
源站描述显示，研究利用1,181例肾移植活检的基因表达数据训练三个随机森林模型，以预测Banff分类中的非排斥、抗体介导排斥和T细胞介导排斥，并评估B-HOT panel在临床场景中的判别能力
基本信息
资源简介
影响肾移植等待期死亡率的因素：基于KONOS数据库的全国人群队列研究
Table_1_A Decentralized Kidney Transplant Biopsy Classifier for Transplant Rejection Developed Using Genes of the Banff-Human Organ Transplant Panel.xlsx
该数据集来自frontiersin.figshare.com，包含1个Excel文件，标题涉及使用Banff-Human Organ Transplant Panel基因开发的去中心化肾移植活检分类器。源站描述显示，研究利用1,181例肾移植活检的基因表达数据训练三个随机森林模型，以预测Banff分类中的非排斥、抗体介导排斥和T细胞介导排斥，并评估B-HOT panel在临床场景中的判别能力。该数据可用于肾移植排斥的分子诊断与机器学习分类研究（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
配套论文《In-silico performance, validation, and modeling of the Nanostring Banff Human Organ transplant gene panel using archival data from human kidney transplants》发表于 BMC Medical Genomics（2021），DOI：10.1186/s12920-021-00891-5。源站首次发布：2022-05-10。
【数据内容】
源站描述（机器翻译，仅供参考）：引言：一种去中心化且多平台兼容的肾移植活检分子诊断工具可促进该技术的传播和利用，增加其临床影响。作为该分子诊断工具的第一步，我们开发并验证了一个分类器，该分类器使用从历史Molecular Microscope® Diagnostic system微阵列数据集中提取的Banff-Human Organ Transplant (B-HOT) panel基因。此外，我们在临床场景中评估了B-HOT panel的判别能力。材料与方法：来自1,181例肾移植活检的基因表达数据被用作训练数据，用于三个随机森林模型，以预测肾移植活检Banff分类，包括非排斥（NR）、抗体介导排斥（ABMR）和T细胞介导排斥（TCMR）。性能评估使用嵌套交叉
【数据结构与技术规格】
文件数 1 个，合计 19.76 KB。数据集 DOI：10.3389/fimmu.2022.841519.s003。
【主题与分类】
源站学科分类：Transplantation Immunology、Tumour Immunology、Immunology not elsewhere classified、Immunology、Veterinary Immunology、Animal Immunology。主题标签：kidney transplantation、gene expression、graft rejection、diagnosis、pathology、transcriptomics、bioinformatics、machine learning。本站分类：泌尿生殖系统疾病。
【适用方向】
源站学科分类标注为 Transplantation Immunology、Tumour Immunology、Immunology not elsewhere classified、Immunology、Veterinary Immunology、Animal Immunology。
【获取与许可】
源站页面：https://frontiersin.figshare.com/articles/dataset/Table_1_A_Decentralized_Kidney_Transplant_Biopsy_Classifier_for_Transplant_Rejection_Developed_Using_Genes_of_the_Banff-Human_Organ_Transplant_Panel_xlsx/19738993
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：van Baardwijk, Myrthe; Cristoferi, Iacopo; Ju, Jie; Varol, Hilal; Minnee, Robert C.; Reinders, Marlies E. J.; et al. (2022). Table_1_A Decentralized Kidney Transplant Biopsy Classifier for Transplant Rejection Developed Using Genes of the Banff-Human Organ Transplant Panel.xlsx. Frontiers. Dataset
【使用注意】
· 源站最后修改于 2023-06-01，引用时请注意版本时效。
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（Figshare）
- 源站标题：Table_1_A Decentralized Kidney Transplant Biopsy Classifier for Transplant Rejection Developed Using Genes of the Banff-Human Organ Transplant Panel.xlsx
- DOI：10.3389/fimmu.2022.841519.s003
- 发布日期：2022-05-10
- 文件数：1 个
- 文件总体积：19.76 KB
- 源站页面：https://frontiersin.figshare.com/articles/dataset/Table_1_A_Decentralized_Kidney_Transplant_Biopsy_Classifier_for_Transplant_Rejection_Developed_Using_Genes_of_the_Banff-Human_Organ_Transplant_Panel_xlsx/19738993
命令行下载
curl -L -o "Table_1_A Decentralized Kidney Transplant Biopsy Classifier for Transplant Rejection Developed Using Genes of the Banff-Human Organ Transplant Panel.xlsx" "https://ndownloader.figshare.com/files/35068720"
文件清单
Table_1_A Decentralized Kidney Transplant Biopsy Classifier for Transplant Rejection Developed Using Genes of the Banff-Human Organ Transplant Panel.xlsx（19.76 KB）
文件总体积 19.76 KB（源站 API 实测）。
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。
数据说明
引言一种去中心化且多平台兼容的肾移植活检分子诊断工具，可促进该技术的推广与应用，提升其临床影响力。作为迈向该分子诊断工具的第一步，我们利用从历史分子显微镜®诊断系统微阵列数据集中提取的Banff-人体器官移植（B-HOT）面板基因，开发并验证了一个分类器。此外，我们在临床场景中评估了B-HOT面板的判别能力。材料与方法来自1，181例肾移植活检的基因表达数据被用作训练数据，用于构建三个随机森林模型，以预测肾移植活检的Banff分类，包括非排斥（NR）、抗体介导的排斥（ABMR）和T细胞介导的排斥（TCMR）。采用嵌套交叉验证评估性能。
三个模型使用了不同的输入特征集：第一个模型（B-HOT模型）仅使用B-HOT panel中包含的基因进行训练，第二个模型（特征选择模型）基于从所有可用基因中进行序列前向特征选择，第三个模型（B-HOT+模型）基于前两个模型的组合，即B-HOT panel基因加上序列前向特征选择中具有高预测性的基因。在交叉验证中进行性能评估后，表现最佳的模型在一个基于不同微阵列版本的外部独立数据集上进行了验证。结果B-HOT+模型取得了最佳性能，该模型是一个多标签随机森林模型，在B-HOT panel基因的基础上加入了特征选择模型中6个最具预测性的基因（ST7、KLRC4-KLRK1、TRBC1、TRBV6-5、TRBV19和ZFX），交叉验证期间平均准确率为92.1%。在验证集上，同一模型对NR和ABMR的ROC曲线下面积（AUC）分别达到0.965和0.982。
讨论
该肾移植活检分类器朝着开发一种去中心化的肾移植活检分类器又迈进了一步，该分类器对不同基因表达平台产生的数据均有效。B-HOT面板
许可
CC BY 4.0
引用
学术使用请引用 DOI 10.3389/fimmu.2022.841519.s003（source: https://frontiersin.figshare.com/articles/dataset/Table_1_A_Decentralized_Kidney_Transplant_Biopsy_Classifier_for_Transplant_Rejection_Developed_Using_Genes_of_the_Banff-Human_Organ_Transplant_Panel_xlsx/19738993）。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
