GSE97244：Galectin-3结合蛋白与冠状动脉疾病及心血管死亡率的LURIC研究
该数据集来自LURIC研究，包含人单核细胞来源巨噬细胞经重组人Gal-3BP或对照缓冲液处理后的基因表达微阵列数据，使用Illumina Sentrix-8基因芯片检测，并以局部合并误差（LPE）方法分析
基本信息
资源简介
GSE97244：Galectin-3结合蛋白与冠状动脉疾病及心血管死亡率的LURIC研究
Galectin-3 binding protein (Gal-3BP), coronary artery disease and cardiovascular mortality – insights from the LURIC study
该数据集来自LURIC研究，包含人单核细胞来源巨噬细胞经重组人Gal-3BP或对照缓冲液处理后的基因表达微阵列数据，使用Illumina Sentrix-8基因芯片检测，并以局部合并误差（LPE）方法分析。分析发现217个探针组（对应200个基因）显著调控，其中115个上调、85个下调，上调基因中炎症/免疫反应是最显著调控的基因本体之一。数据可用于研究Gal-3BP在巨噬细胞免疫炎症反应中的作用及其与冠状动脉疾病和心血管死亡率的关系（来源 NCBI）。
【数据集背景】
源站首次发布：Mar 30 201。
【数据内容】
源站描述（机器翻译，仅供参考）：在体外评估了Gal-3BP对人单核细胞来源巨噬细胞的作用。用重组人Gal-3BP或对照缓冲液处理巨噬细胞，并使用Illumina Sentrix-8基因芯片测量基因表达。基因芯片数据用局部合并误差（LPE）进行分析。有217个探针组（对应200个基因）受到显著调控（115个上调，85个下调）。对显著上调基因的分析确定“炎症/免疫反应”是调控最强的基因本体之一。我们发现Gal-3BP在人单核细胞来源巨噬细胞中诱导参与免疫和炎症反应的基因和蛋白，这与先前发表的人类Gal-3BP作用数据一致。
【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、GPL23244、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=GSE97244
【使用注意】
· 源站最后修改于 Jul 02 201，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=GSE97244
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
Gal-3BP对人单核细胞衍生巨噬细胞的影响在体外进行了评估。巨噬细胞用重组人Gal-3BP或对照缓冲液处理，并使用Illumina Sentrix-8基因芯片检测基因表达。基因芯片数据采用局部合并误差(LPE)方法进行分析。发现有217个探针组对应200个基因存在显著调控(115个上调，85个下调)。对显著上调基因的分析表明，“炎症/免疫反应”是调控最强的基因本体之一。我们发现Gal-3BP在人单核细胞衍生巨噬细胞中诱导参与免疫和炎症反应的基因和蛋白质，这与先前发表的人Gal-3BP作用的数据一致。
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。
