艰难梭菌在人结肠类器官单层跨孔共培养系统中促进CCL20表达
研究聚焦 Clostridioides difficile 与人结肠类器官来源的肠上皮单层在 transwell 共培养系统中的相互作用,发现细菌刺激上皮细胞上调 CCL20 表达,且该上调需要细菌产生葡萄糖基化毒素

基本信息
资源简介
艰难梭菌在人结肠类器官单层跨孔共培养系统中促进CCL20表达
Clostridioides difficile stimulates CCL20 expression in human colonoid monolayers in a transwell-based co-culture system that supports its anaerobic growth
该数据集来自 NCBI GEO,包含 1 个文件(GSE327570_series_matrix.txt.gz),基于高通量测序的表达谱分析,涉及 GPL20301 平台。研究聚焦 Clostridioides difficile 与人结肠类器官来源的肠上皮单层在 transwell 共培养系统中的相互作用,发现细菌刺激上皮细胞上调 CCL20 表达,且该上调需要细菌产生葡萄糖基化毒素。数据可用于分析宿主上皮对病原菌感染的转录响应及毒素依赖性机制(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):致病菌 Clostridioides difficile 是抗生素相关性腹泻病的主要病因。该病的治疗具有挑战性,因为用于治疗的抗生素也可能延续导致初始易感性的条件。需要阐明 C. difficile/肠上皮相互作用的机制,以促进新治疗方案的开发。本文所述研究展示了一种组织培养系统的开发,该系统支持 C. difficile 在与由结肠类器官(源自人结肠活检的类器官)产生的人肠上皮模型共培养中生长。上皮细胞对 C. difficile 的响应包括 CCL20(编码一种趋化因子)的上调。细菌产生葡萄糖基化毒素是 CCL20 上调所必需的。此外,细菌 ass
【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:GPL20301、1496。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=GSE327570
【使用注意】
· 源站最后修改于 Aug 12 202,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=GSE327570
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
致病性细菌艰难梭菌是抗生素相关性腹泻疾病的主要原因。该疾病的治疗具有挑战性,因为用于治疗的抗生素也可能延续了导致初始易感性的条件。阐明艰难梭菌与肠上皮相互作用的机制对于促进新治疗方案的开发是必要的。本文所述的研究展示了一种组织培养系统的开发,该系统支持艰难梭菌与由结肠类器官(源自人结肠活检的类器官)产生的人肠上皮模型共培养时的生长。上皮细胞对艰难梭菌的响应包括CCL20的上调,该基因编码一种趋化因子。细菌产生葡萄糖基化毒素是CCL20上调所必需的。此外,细菌以非毒素依赖的方式与单层细胞相关联。该系统将支持未来对CDI期间上皮/艰难梭菌相互作用的研究,以及鉴定驱动艰难梭菌在人肠道中致病机制的研究。
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。
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。




