数据集概述
本数据集是用于机器学习分析的标准化最终数据，来自IMMUNO_COV研究中116名健康个体接种第三剂mRNA新冠疫苗后的血清学数据。包含18项体液和细胞免疫变量及既往感染数据，通过个体ID整合，用于识别未察觉既往感染者、分析混合免疫与疫苗诱导免疫特征。
文件详解
- 文件名称：ML_ADHVII dataset.xlsx
- 文件格式：XLSX
- 字段映射介绍：
- 应答者聚类：基于tSNE降维数据的GMM聚类结果（针对野生型、Delta、Omicron BA.1/BA.2的刺突蛋白、RBD抗原抗体浓度及ACE-2/RBD结合抑制值，共12个变量）
- 分类器：多数投票共识法结果（包含上述12个变量及BA.2 N蛋白特异性IgG的AUC值，共13个变量）
- 感染状态：0=未感染；1=第三剂前感染；2=第三剂后感染
- 感染天数：感染日期与第三剂接种后6个月采血日期的间隔天数
- 抗体浓度：野生型、Delta、Omicron BA.1/BA.2的刺突蛋白及RBD特异性IgG浓度（ng/ml）
- 结合抑制率：血浆抗体对不同变异株ACE-2/RBD相互作用的抑制百分比
- BA.2 N蛋白IgG AUC：Omicron BA.2核衣壳蛋白特异性IgG的曲线下面积
- 记忆B细胞频率：野生型核衣壳、刺突蛋白、RBD特异性IgG分泌记忆B细胞频率（ELISPOT检测）及循环野生型RBD特异性B细胞频率（流式细胞术检测）
数据来源
论文“Machine Learning Approaches to Dissect Hybrid and Vaccine-Induced Immunity”（作者G. Montesi、S. Costagli等）
适用场景
- 疫苗诱导免疫特征分析：利用聚类和分类器结果，解析混合免疫与疫苗诱导免疫的差异及关键免疫标志物
- 既往感染状态识别：通过机器学习模型挖掘血清学数据中未察觉既往感染的特征
- 免疫应答异质性研究：分析不同变异株抗体反应、结合抑制率与记忆B细胞频率的个体差异
- 疫苗保护效果评估：关联免疫指标与感染状态，评估第三剂mRNA疫苗对不同变异株的免疫保护作用
- 免疫变量关联性分析：探索体液免疫（抗体浓度、结合抑制率）与细胞免疫（记忆B细胞）指标的相关性
