GSE131705:乳糜泻转录组特征显示上皮增殖诱导伴代谢功能抑制
该数据集来自 NCBI GEO(GSE131705),包含 1 个文件(GSE131705_series_matrix.txt.gz),基于高通量测序对 54 例儿童乳糜泻患者及非乳糜泻对照的治疗前诊断性十二指肠活检组织进行 mRNAseq 表达谱分析,并在 40 名参与者的独立队列中验证关键发现,

基本信息
资源简介
GSE131705:乳糜泻转录组特征显示上皮增殖诱导伴代谢功能抑制
Transcriptomic Signature of Celiac show induced epithelial proliferation coupled with suppressed metabolic functions
该数据集来自 NCBI GEO(GSE131705),包含 1 个文件(GSE131705_series_matrix.txt.gz),基于高通量测序对 54 例儿童乳糜泻患者及非乳糜泻对照的治疗前诊断性十二指肠活检组织进行 mRNAseq 表达谱分析,并在 40 名参与者的独立队列中验证关键发现,同时与 177 例克罗恩病患者及对照的基因和通路进行比较。数据可用于研究乳糜泻核心转录组特征、上皮代谢功能抑制及适应性免疫应答相关通路,并支持与克罗恩病共享通路的比较分析(来源 NCBI)。
【数据集背景】
源站首次发布:May 23 201。
【数据内容】
源站描述(机器翻译,仅供参考):背景与目的:乳糜泻由麸质暴露诱发,但十二指肠中由此产生的致病过程尚不清楚。我们旨在定义治疗前诊断性十二指肠活检中的核心乳糜泻转录组特征和病理通路。方法:我们使用 mRNAseq 定义 54 例儿童乳糜泻患者和非乳糜泻对照的治疗前诊断性十二指肠基因表达,并在一个由 40 名参与者组成的独立队列中验证我们的关键发现。我们进一步在 177 例克罗恩病患者和对照中定义相似和不同的基因和通路。结果:我们观察到乳糜泻患者成熟上皮代谢功能显著抑制,与克罗恩病特征大量重叠。上调特征中注意到显著的适应性免疫应答,包括干扰素应答、alpha-beta 和 gamma-delta T 细胞,其 o
【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:GPL16791、9606。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE131705
【使用注意】
· 源站最后修改于 Apr 10 202,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=GSE131705
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
背景与目的:乳糜泻由麸质暴露诱发,但十二指肠内由此产生的致病过程尚不明确。我们旨在确定治疗前诊断性十二指肠活检中的核心乳糜泻转录组特征及病理通路。方法:我们使用mRNA测序来定义54例儿童乳糜泻患者和非乳糜泻对照者治疗前诊断性十二指肠的基因表达,并在一个由40名参与者组成的独立队列中验证我们的关键发现。我们进一步在177例克罗恩病患者和对照者中定义了相似和差异的基因及通路。结果:我们观察到乳糜泻患者成熟上皮代谢功能显著受抑,与克罗恩病特征有大量重叠。上调特征中可见明显的适应性免疫反应,包括干扰素反应、α-β和γ-δ T细胞,与克罗恩病特征有一定程度的重叠。然而,我们鉴定出一个乳糜泻特异性特征,与细胞增殖、核分裂和细胞周期活性增加相关,且如CCNB1和Ki67染色所示,该特征主要定位于上皮。
最后,我们展示了转录组数据在发现队列和验证队列中正确区分疾病状态与健康状态的实用性。结论:我们的数据为乳糜泻发病机制提供了见解,并能为应对这一高发疾病激发新的方法。
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。




