GSE64486:川崎病动脉炎的转录组
数据可用于研究川崎病亚急性/慢性动脉炎及管腔肌纤维母细胞增殖相关的免疫通路失调,为探索对静脉注射丙种球蛋白无反应患者的免疫调节治疗提供转录组层面的分析基础(来源 NCBI)

基本信息
资源简介
GSE64486:川崎病动脉炎的转录组
The transcriptome of Kawasaki Disease arteritis
该数据集为GSE64486,主题是川崎病动脉炎的转录组,来源于ncbi.nlm.nih.gov,包含1个文件GSE64486_series_matrix.txt.gz,采用高通量测序进行表达谱分析,物种为9606(人类),平台为GPL11154。数据可用于研究川崎病亚急性/慢性动脉炎及管腔肌纤维母细胞增殖相关的免疫通路失调,为探索对静脉注射丙种球蛋白无反应患者的免疫调节治疗提供转录组层面的分析基础(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 23 201。
【数据内容】
源站描述(机器翻译,仅供参考):背景:川崎病(KD)是一种病因疑似感染的儿童疾病,可引起中等大小肌性动脉炎,最严重的是累及冠状动脉。目前尚无单一诊断试验,妨碍了早期诊断和治疗。约25%的未治疗患者会发展为冠状动脉疾病,接受静脉注射丙种球蛋白治疗但无反应的儿童也处于高风险。亚急性/慢性动脉炎和管腔肌纤维母细胞增殖是川崎病冠状动脉在发病第二周后、中性粒细胞坏死性动脉炎消退后发生的病理过程。导致亚急性/慢性动脉炎的具体失调免疫通路尚不清楚,阻碍了为对静脉注射丙种球蛋白治疗无反应的患者开发有效的免疫调节疗法。
【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:GPL11154、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=GSE64486
【使用注意】
· 源站最后修改于 May 15 201,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=GSE64486
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
背景:川崎病(KD)是一种病因疑为感染性的儿童疾病,可引起中等大小肌性动脉炎,最严重的是累及冠状动脉。目前尚无单一诊断性检测方法,阻碍了早期诊断和治疗。约25%未经治疗的患者会发展为冠状动脉疾病,接受静脉注射丙种球蛋白治疗但无应答的儿童也处于高风险。亚急性/慢性动脉炎和管腔肌纤维母细胞增生是川崎病冠状动脉在发病第二周后、中性粒细胞性坏死性动脉炎消退后发生的病理过程。导致亚急性/慢性动脉炎的具体免疫通路失调此前尚不清楚,阻碍了为对静脉注射丙种球蛋白治疗无应答的患者开发有效的免疫调节疗法。方法与结果:对川崎病(n=8)和儿童对照(n=7)的冠状动脉组织进行了深度RNA测序,揭示了1074个差异表达的mRNA。涉及辅助性T细胞、细胞毒性T淋巴细胞、树突状细胞和抗原呈递的分子通路失调最为显著。
免疫球蛋白和I型干扰素刺激基因显著上调。80个编码分泌蛋白的上调细胞外基因是川崎病动脉炎的候选生物标志物。结论:川崎病冠状动脉组织中的免疫转录谱主要由辅助性T细胞和细胞毒性淋巴细胞介导,并具有抗病毒免疫反应的特征,如I型干扰素刺激基因表达。这是关于川崎病冠状动脉转录组的首次报告,识别出了特定的失调免疫反应通路,可为川崎病动脉炎新疗法和生物标志物的开发提供信息,并为未来的病因学研究提供方向。
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。




