冠状动脉侧支动脉生长中的循环细胞
研究纳入 45 例因单支冠状动脉病变接受 PCI 的患者,通过冠状动脉内测量侧支血流指数(CFI)区分好反应者(GAR,CFI>0.21)与差反应者(BAR,CFI≤0.21),并检测单核细胞与 CD34 相关细胞的表达谱

基本信息
资源简介
冠状动脉侧支动脉生长中的循环细胞
Circulating Cells in Coronary Collateral Artery Growth
该数据集来自 NCBI,标题为 Circulating Cells in Coronary Collateral Artery Growth,聚焦冠状动脉侧支动脉生长(动脉生成)过程中循环细胞的基因表达。研究纳入 45 例因单支冠状动脉病变接受 PCI 的患者,通过冠状动脉内测量侧支血流指数(CFI)区分好反应者(GAR,CFI>0.21)与差反应者(BAR,CFI≤0.21),并检测单核细胞与 CD34 相关细胞的表达谱。数据可用于比较两类反应者的基因表达差异,探索动脉生成异质性的分子基础及潜在治疗策略(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 18 200。
【数据内容】
源站描述(机器翻译,仅供参考):背景:侧支动脉生长,也称为动脉生成,发生在大动脉狭窄或闭塞时。迄今为止,旨在刺激患者动脉生成的治疗性尝试尚未成功。实验模型显示循环细胞协调动脉生成。在人类中,动脉生成反应存在很大的异质性。我们假设好的动脉生成反应者(GARs)和差的动脉生成反应者(BARs)在循环细胞的基因表达谱上存在差异,从而揭示刺激动脉生成的潜在新治疗策略。方法:共 45 例因单支冠状动脉疾病计划接受经皮冠状动脉介入治疗(PCI)的患者接受了冠状动脉内侧支血流指数(CFI)测量,以区分 GARs(CFI>0.21)和 BARs(CFI≤0.21)。单核细胞和 CD34
【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:Expression profiling by array、GPL5104、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=GSE7547
【使用注意】
· 源站最后修改于 Mar 16 201,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=GSE7547
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:侧支动脉生长,也称为动脉生成,发生于主要动脉狭窄或闭塞时。迄今为止,旨在刺激患者动脉生成以达到治疗目的的尝试尚未成功。实验模型表明,循环细胞协调动脉生成。在人类中,动脉生成反应存在很大的异质性。我们假设,动脉生成反应良好者(GARs)与动脉生成反应不良者(BARs)在循环细胞的基因表达谱上存在差异,从而揭示出刺激动脉生成的潜在新治疗策略。方法:共45例因单支冠状动脉病变计划接受经皮冠状动脉介入治疗(PCI)的患者接受了冠状动脉内侧支血流指数(CFI)测量,以区分GARs(CFI>0.21)和BARs(CFI≤0.21)。从外周血中采集单核细胞和CD34+干细胞。部分单核细胞进一步处理以获得活化的单核细胞和巨噬细胞。对全部四种细胞类型进行了全基因组转录组分析。
结果:LPS刺激的单核细胞显示,GARs与BARs之间有244个基因差异表达(错误发现率<0.05)。巨噬细胞基因表达与受刺激的单核细胞相关,而静息单核细胞和干细胞未显示差异基因表达。来自GARs的受刺激单核细胞在若干干扰素和凋亡相关基因中表现出强烈减弱的反应,这在蛋白质水平上得到了证实。结论:来自GARs和BARs的循环细胞在刺激后的基因表达谱上存在明显差异。GARs中干扰素和凋亡基因表达降低可能为刺激侧支动脉生长提供新的治疗途径。关键词:疾病状态分析,应激反应分析,自然防御机制分析
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。




