高危COVID-19患者纵向蛋白质组分析揭示严重程度标志物与致死疾病预测因子

数据集获取

源站：https://search.dataone.org/view/sha256%3A3852d36ea62cc36f17a90e68ff24acebf90e38e92d7a59c8bf1b3c97142b352b

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

终末期肾病（ESKD）患者是重症COVID-19的高危人群。我们对住院和非住院的COVID-19合并ESKD患者进行了密集连续采血（55例患者，共256份样本），并使用Olink免疫分析方法检测了436种循环蛋白。与51例未感染的ESKD患者比较，发现221种蛋白在COVID-19中差异表达，其中69.7%在一个由46例COVID-19患者组成的独立队列中得以重复。203种蛋白与临床严重程度评分相关，包括IL6、单核细胞募集标志物（如CCL2、CCL7）、中性粒细胞活化标志物（如蛋白酶-3）和上皮损伤标志物（如KRT19）。随机森林机器学习识别出当前或未来严重程度的预测因子，如KRT19、PARP1、PADI2、CCL7和IL1RL1（ST2）。采用联合模型的生存分析揭示了69种死亡预测因子，包括IL22RA1、CCL28和中性粒细胞来源的趋化因子AZU1（Azurocidin）。最后，采用线性混合模型的纵向建模发现了32种在重症与非重症疾病中呈现不同时间变化特征的蛋白，包括整合素和黏附分子。

我们的发现表明，先天免疫系统的异常激活及白细胞-内皮细胞相互作用是重症COVID-19病理机制的核心。来自这一独特高风险人群队列的数据为识别COVID-19药物靶点提供了宝贵资源。

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。