GSE318445：靶向插入矫正性CFTR转基因在囊性纤维化气道上皮中复现天然表达模式并恢复功能
该数据集来自NCBI GEO，包含1个文件（GSE318445_series_matrix.txt.gz），主题为基因组结合/占据谱分析的高通量测序
基本信息
资源简介
GSE318445：靶向插入矫正性CFTR转基因在囊性纤维化气道上皮中复现天然表达模式并恢复功能
Targeted Insertion of Corrective CFTR Transgene Replicates Native Expression Pattern with Functional Restoration in Cystic Fibrosis Airway Epithelium
该数据集来自NCBI GEO，包含1个文件（GSE318445_series_matrix.txt.gz），主题为基因组结合/占据谱分析的高通量测序。研究旨在开发不依赖突变类型的囊性纤维化基因编辑疗法，将CFTR2-27整合至CFTR内含子1，并在原代气道基底干细胞中验证整合效率与功能恢复。数据可用于分析CFTR转基因整合后的染色质可及性变化及气道上皮功能修复相关研究（来源 NCBI）。
【数据集背景】
源站首次发布：Feb 04 202。
【数据内容】
源站描述（机器翻译，仅供参考）：我们的目标是开发一种针对囊性纤维化（CF）个体的通用基因编辑疗法。由于CFTR变异数量庞大，我们试图开发一种不依赖突变的方法，能够高效地将CFTR2-27整合到CFTR内含子1中。在用靶向内含子1的Cas9/gRNA对CF原代气道基底干细胞进行电穿孔后，我们通过整合酶缺陷型慢病毒载体递送了两侧带有剪接受体和多聚腺苷酸化信号的CFTR2-27供体。分子表征显示，CFTR2-27高效整合到天然CFTR内含子1中，大多数插入事件反映了预期的同源定向修复。整合导致完全分化的气道上皮中CFTR通道活性功能恢复，黏液水合和运输显著改善。ATAC-seq揭示天然CFTR染色
【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：GPL34281、9606。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=GSE318445
【使用注意】
· 源站最后修改于 Oct 15 202，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=GSE318445
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
我们的目标是开发一种适用于囊性纤维化(CF)患者的通用基因编辑疗法。由于CFTR变异数量众多，我们试图开发一种不依赖特定突变的方法，能够高效地将CFTR2-27整合到CFTR内含子1中。在对CF原代气道基底干细胞进行内含子1靶向Cas9/gRNA电穿孔后，我们通过整合酶缺陷型慢病毒载体递送了两侧带有剪接受体和多聚腺苷酸化信号的CFTR2-27供体。分子表征显示，CFTR2-27高效整合到天然CFTR内含子1中，大多数插入事件呈现预期的同源定向修复。整合使完全分化的气道上皮中CFTR通道活性得以功能性恢复，黏液水合和运输显著改善。ATAC-seq显示天然CFTR染色质结构未受CFTR2-27插入影响，重要的是，scRNA-seq表明所引入转基因的细胞类型特异性表达复制了内源性CFTR的表达模式。
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。
