小鼠模型艰难梭菌感染促炎通路空间转录组研究数据集
研究利用 NanoString 平台对 FFPE 肠道切片进行空间转录组分析,比较感染艰难梭菌后症状性与无症状小鼠的基因表达差异,并评估盲肠和结肠黏膜浅层与深层的空间变化及关键通路

基本信息
资源简介
小鼠模型艰难梭菌感染促炎通路空间转录组研究数据集
Pro-inflammatory Pathways Contribute to Pathogenesis of Clostridioides difficile Infection in a Murine Model - A Spatial Transcriptomics Study
该数据集来自 NCBI GEO,标题为 Pro-inflammatory Pathways Contribute to Pathogenesis of Clostridioides difficile Infection in a Murine Model - A Spatial Transcriptomics Study,包含 1 个文件(GSE288150_series_matrix.txt.gz)。研究利用 NanoString 平台对 FFPE 肠道切片进行空间转录组分析,比较感染艰难梭菌后症状性与无症状小鼠的基因表达差异,并评估盲肠和结肠黏膜浅层与深层的空间变化及关键通路。数据可用于探索艰难梭菌感染相关的促炎通路和空间表达。
【数据集背景】
源站首次发布:Jan 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):艰难梭菌(C. difficile)是抗生素诱导性腹泻的常见原因,也是院内感染数量最高的病原体。目前仅推荐两种抗生素用于治疗艰难梭菌感染(CDI),这可能导致治疗效果不理想并增加复发可能性。本研究旨在利用空间转录组分析评估感染艰难梭菌后症状性与无症状小鼠之间的基因表达差异。我们还旨在评估不同肠黏膜层(浅层与深层)之间改变基因的空间特征,并识别关键通路。使用福尔马林固定石蜡包埋(FFPE)的肠道切片,通过 NanoStringTM 平台分析盲肠和结肠中的差异基因表达。IL-17 通路,包括 Lcn2、Cxcl
【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:Other、GPL30172、10090。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE288150
【使用注意】
· 源站最后修改于 Jan 29 202,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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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=GSE288150
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
艰难梭菌(C. difficile)是抗生素诱导性腹泻的常见病因,也是院内感染数量最多的病原体。目前仅推荐两种抗生素用于治疗艰难梭菌感染(CDI),这可能导致治疗效果不理想且复发可能性增加。本研究旨在利用空间转录组学分析,评估感染艰难梭菌后症状性与无症状性小鼠之间基因表达的差异。我们还旨在评估肠黏膜不同层次(浅层与深层)之间基因改变的空间特征,并识别关键通路。采用福尔马林固定石蜡包埋(FFPE)肠道切片,利用NanoStringTM平台分析盲肠和结肠中的差异基因表达。包括Lcn2、Cxcl2和S100a8基因在内的IL-17通路在症状性小鼠中显著上调。IL-17信号通路通过NF-κB和MAPK通路激活下游信号传导。
在有症状和无症状小鼠的肠道中,浅层与深层黏膜之间的基因表达存在显著差异,凸显了肠道基因表达模式的层次特异性。肠道黏膜的基因表达模式解释了CDI小鼠的若干临床体征和病变。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




