GSE166780:基因表达分析提示外周血单核细胞在冠状动脉疾病进展中的免疫学变化
该数据集来自 NCBI GEO,标题为 GSE166780,聚焦冠状动脉疾病(CAD)进展过程中外周血单核细胞的基因表达变化

基本信息
资源简介
GSE166780:基因表达分析提示外周血单核细胞在冠状动脉疾病进展中的免疫学变化
Gene expression analysis suggests immunological changes of peripheral blood monocytes in the progression of patients with coronary artery disease
该数据集来自 NCBI GEO,标题为 GSE166780,聚焦冠状动脉疾病(CAD)进展过程中外周血单核细胞的基因表达变化。源站描述指出,研究通过转录组测序分析不同阶段 CAD 患者外周血单核细胞的基因表达谱,以探索参与 CAD 发病机制的潜在基因和通路。数据集包含 1 个文件,样例为 GSE166780_series_matrix.txt.gz,主题标签涉及高通量测序表达谱分析,物种为人类(9606),平台为 GPL20795。该数据可用于 CAD 相关免疫机制研究及候选基因筛选(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 15 202。
【数据内容】
源站描述(机器翻译,仅供参考):目的:通过转录组测序分析冠状动脉疾病(CAD)不同阶段外周血单核细胞的基因表达谱,并探索参与 CAD 发病机制的潜在基因和通路。
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL20795、9606。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE166780
【使用注意】
· 源站最后修改于 Jul 14 202,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
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE166780
标准获取流程:
- 访问源站链接,注册/登录账号;
- 进入数据集详情页,按页面指引申请权限或直接下载;
- 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。
- OpenDataLab:
数据说明
目的:通过转录组测序分析不同阶段冠状动脉疾病(CAD)患者外周血单核细胞的基因表达谱,探讨参与CAD发病的潜在基因和通路。方法:根据冠状动脉造影筛查和血样质量控制,选取8例冠状动脉中度病变患者,然后按年龄和性别匹配8例急性心肌梗死患者和8例冠状动脉造影正常患者。采用Illumina HiSeq高通量平台对这24份样本的外周血单核细胞进行转录组测序。然后分析差异表达基因(DEGs)。应用基因本体论(GO)功能注释、京都基因与基因组百科全书(KEGG)通路注释和蛋白质-蛋白质相互作用(PPI)网络来注释DEGs的潜在功能。结果:与冠状动脉造影正常组相比,我们在冠状动脉中度病变组中共鉴定出169个DEGs,这些基因显著富集于59个GO条目和17条KEGG通路。
与正常冠状动脉造影组相比,我们在急性心肌梗死组中共发现2028个差异表达基因(DEGs),这些基因显著富集于311个GO条目和20条KEGG通路中。正常组与中度冠状动脉病变组、正常组与急性心肌梗死组之间的交叉比较共包含98个差异基因,其中65个上调、33个下调,这些基因显著富集于46个GO条目和10条KEGG通路中。在冠心病(CAD)进展过程中,CSF3、IL-1A、CCR7和IL-18的表达显著上调,MAPK14的表达显著下调。除炎症反应等GO条目显著富集外,KEGG分析显示最显著的富集通路为IL-17信号通路和细胞因子-细胞因子受体相互作用。结论:转录组学
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。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




