HR-VILAGE-3K3M：面向系统免疫学的人类呼吸道病毒免疫接种纵向基因表达数据集
基因组学
2025-05-22 v1 机器学习
应用统计
摘要
呼吸道病毒感染构成全球健康负担，但驱动保护或病理的细胞免疫反应仍不清晰。自然感染队列往往缺乏暴露前的基线数据和结构化的时间采样。相比之下，接种和暴露试验可生成具有洞察价值的纵向转录组数据。然而，这些数据集分散于不同平台，元数据和预处理程序不一致，致使 AI 驱动的发现受阻。为此，我们开发了 Human Respiratory Viral Immunization LongitudinAl Gene Expression（HR-VILAGE-3K3M）仓库：一个面向 AI 准备的、经过严格筛选的数据集，将整合来自 66 项研究的 3,178 名受试者、14,136 条 RNA-seq 档案，涵盖超过 256 万细胞。该数据集涵盖疫苗接种、暴露及混合暴露，包含来自 GEO、ImmPort 和 ArrayExpress 的 microarray、bulk RNA-seq 和 single-cell RNA-seq 数据，来源于全血、周血单核细胞和鼻腔拭子。我们对受试者级元数据进行了整合，标准化了结果度量，应用统一的预处理流程并进行严格的质量控制，所有数据均对齐至官方基因符号。为演示 HR-VILAGE-3K3M 的实用性，我们进行了疫苗反应者的预测建模，并评估了批次效应校正方法的效果。除了这些初始演示之外，它支持多种系统免疫学应用，为特征选择和迁移学习算法的基准测试提供支持。其规模和异质性也使其适合作为人类免疫响应的预训练基础模型平台，推动多模态学习框架的发展。作为面向人类呼吸道病毒免疫接种的最大纵向转录组资源，HR-VILAGE-3K3M 提供了一个可重复的 AI 驱动研究平台，加速系统免疫学和针对新出现的病毒威胁的疫苗开发。
引用
@article{arxiv.2505.14725,
title = {HR-VILAGE-3K3M: A Human Respiratory Viral Immunization Longitudinal Gene Expression Dataset for Systems Immunity},
author = {Xuejun Sun and Yiran Song and Xiaochen Zhou and Ruilie Cai and Yu Zhang and Xinyi Li and Rui Peng and Jialiu Xie and Yuanyuan Yan and Muyao Tang and Prem Lakshmanane and Baiming Zou and James S. Hagood and Raymond J. Pickles and Didong Li and Fei Zou and Xiaojing Zheng},
journal= {arXiv preprint arXiv:2505.14725},
year = {2025}
}