淋巴细胞激活基因3与冠状动脉疾病数据集
该数据集来自 NCBI，聚焦淋巴细胞激活基因3与冠状动脉疾病，利用下一代测序技术比较携带心血管疾病相关 rs10846744 SNP 的 CC 基因型个体与无病的 GG 基因型非携带者之间的转录差异
基本信息
资源简介
淋巴细胞激活基因3与冠状动脉疾病数据集
GSE87891 是一个来自 NCBI 的基因表达数据集，主题为淋巴细胞激活基因3（Lymphocyte activation gene3）与冠状动脉疾病的关系。该数据集利用下一代测序技术，对携带心血管疾病相关 rs10846744 单核苷酸多态性位点的 CC 基因型个体与无病的 GG 基因型非携带者之间的转录差异进行了分析，旨在从转录组层面揭示该遗传变异与心血管疾病易感性之间的潜在联系。数据集归属于循环系统疾病 / 其他分类，包含 1 个可供下载的数据文件，适合关注心血管疾病遗传机制与转录表达谱的研究者参考使用。
【数据集背景】
淋巴细胞激活基因3与冠状动脉疾病之间的关系是该数据集关注的核心问题。源站说明指出，该研究的目的在于利用下一代测序（NGS）技术，对两个人群之间的转录差异进行谱型分析：一方是携带与心血管疾病（CVD）相关的 rs10846744 单核苷酸多态性位点的 CC 基因型携带者，另一方是无病的 GG 基因型非携带者。通过比较这两类个体在转录层面的差异，该数据集为探索该遗传位点与心血管疾病之间的分子联系提供了表达谱层面的资料。数据集被归入循环系统疾病 / 其他类别，主题标签包括 Expression profiling by high throughput sequencing、GPL10999 与 9606，分别指向高通量测序表达谱、所用芯片或测序平台编号以及人类物种信息。
【数据内容】
该数据集共包含 1 个文件，文件样例为 GSE87891_series_matrix.txt.gz，即一个经 GZIP 压缩的系列矩阵文件，通常用于承载样本层面的表达谱矩阵信息。数据集的主题标签表明其属于高通量测序产生的表达谱数据，涉及平台编号 GPL10999，物种为 9606（人类）。数据内容围绕 CC 基因型携带者与 GG 基因型非携带者两类人群的转录差异展开，具体样本数量、基因数量、分组细节及表达量数值等未在源站描述中给出，源站未提供。
【采集与来源】
该数据集来源于 ncbi.nlm.nih.gov，即 NCBI 站点，源站标题为 Lymphocyte activation gene3 and coronary artery disease。数据作者为 Diana、Golden，发布时间为 Oct 12 201。数据采集的技术路线为下一代测序（NGS），用于对上述两类人群进行转录差异谱型分析。关于样本采集地点、采集时间、伦理审批信息及测序具体流程等细节，源站未提供。
【适用场景】
该数据集适用于心血管疾病遗传机制与转录表达谱相关的研究场景，例如比较携带 rs10846744 位点 CC 基因型个体与无病 GG 基因型非携带者之间的转录差异，探索淋巴细胞激活基因3与冠状动脉疾病之间的分子关联，或作为高通量测序表达谱分析方法的参考数据。也可用于基因型分组与表达谱联合分析的思路验证。关于该数据集在其他具体研究中的适用性，源站未提供。
【使用方法】
使用时可先下载数据文件 GSE87891_series_matrix.txt.gz，按 GZIP 压缩包格式进行读取。建议先在小样本上核对字段与编码，确认无误后再批量接入后续分析流程。关于具体的分析步骤、标准化方法与统计模型，源站未提供。
【质量与限制】
该数据集仅包含 1 个文件，数据规模与样本构成信息有限，源站描述中未给出样本数量、测序深度、数据质控指标等细节，源站未提供。使用时应结合自身研究目的评估其适用性。关于数据的完整性、批次效应及潜在偏倚等信息，源站未提供。
【引用与许可】
数据作者为 Diana、Golden，来源站为 ncbi.nlm.nih.gov。关于该数据集的引用格式、许可条款与使用限制，源站未提供。
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=GSE87891
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：利用下一代测序（NGS）技术，分析携带与心血管疾病（CVD）相关的rs10846744 SNP的携带者（CC）与无疾病的非携带者（GG）两个群体之间的转录差异。方法：从三名rs10846744参考等位基因（GG）纯合子受试者和三名rs10846744风险等位基因（CC）纯合子受试者中提取总RNA，随后使用Perkin Elmer下一代测序平台（Perkin Elmer，Branford，CT）进行全转录组测序。生物信息学分析采用Perkin Elmer GeneSifter软件程序完成。通过选择总比对读数、质量读数>20、对数转换以及使用Benjamini Hochberg方法校正多重检验对数据进行调整。感兴趣的RNA靶标通过使用TaqMan检测的qRT–PCR和采用标准方法的蛋白质印迹进行验证。
结果：使用Perkin Elmer的Genesifter分析版软件，我们将每个样本约1亿条序列读取映射到人类基因组（版本37.2），通过总映射百万读取数对原始读取计数进行归一化，并在采用BWA工作流程的情况下，从3名风险等位基因（CC）携带者和3名非携带者（GG）参考等位基因个体中分离出的EBV（爱泼斯坦-巴尔病毒）转化的B淋巴细胞中，识别出937个上调转录本和587个下调转录本。RNA-seq数据证实了LAG3的差异表达，并通过qRT-PCR进行了验证。结论：我们的研究是首个利用RNA-seq技术生成的生物学重复样本，对与CVD相关的LAG3差异表达进行详细分析的研究。
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。
