糖皮质激素信号在病毒特异性CD8+ T细胞记忆分化中的作用
该数据集来自 ncbi.nlm.nih.gov,围绕糖皮质激素信号在病毒特异性 CD8+ T 细胞记忆分化中的作用展开。研究显示糖皮质激素受体 NR3C1 调控 CD8+ T 细胞记忆分化,病毒特异性 CD8+ T 细胞的 scRNASeq 分析表明记忆相关基因高表达簇中 NR3C1 活性较低;地塞

基本信息
资源简介
糖皮质激素信号在病毒特异性CD8+ T细胞记忆分化中的作用
On the role of glucocorticoid signaling in the differentiation of virus-specific CD8+ T cell memory
该数据集来自 ncbi.nlm.nih.gov,围绕糖皮质激素信号在病毒特异性 CD8+ T 细胞记忆分化中的作用展开。研究显示糖皮质激素受体 NR3C1 调控 CD8+ T 细胞记忆分化,病毒特异性 CD8+ T 细胞的 scRNASeq 分析表明记忆相关基因高表达簇中 NR3C1 活性较低;地塞米松处理可增加记忆前体比例并提升持久记忆池,伴随代谢改变、ROS 积累降低和 Bcl2 表达增强。数据可用于研究 CD8+ T 细胞记忆分化机制及糖皮质激素信号影响(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 25 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们表明,通过糖皮质激素受体 NR3C1 的信号传导调控 CD8+ T 细胞记忆分化。对病毒特异性 CD8+ T 细胞的单细胞 RNASeq(scRNASeq)数据集分析显示,在记忆 CD8+ T 细胞相关基因表达较高的簇中,NR3C1 活性较低。在抗原刺激的 CD8+ T 细胞中暴露于地塞米松,可在体外以及体内清除性感染急性期增加活化细胞池中记忆前体的比例,从而提升持续存在的记忆池。对暴露于地塞米松的 CD8+ T 细胞进行的 RNAseq 和生化分析显示,内在编程受到调节,导致代谢改变、ROS 积累降低以及 Bcl2 表达水平增强,从而促进效应细胞向记忆细胞转变。该现象在低剂量下即明显。
【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:GPL19057、10090。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=GSE254273
【使用注意】
· 源站最后修改于 Sep 03 202,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=GSE254273
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
我们证明,通过糖皮质激素受体NR3C1的信号传导调控CD8+ T细胞记忆分化。对病毒特异性CD8+ T细胞的单细胞RNASeq(scRNASeq)数据集分析显示,在表达较高记忆CD8+ T细胞相关基因的集群中,NR3C1活性较低。地塞米松暴露于抗原刺激的CD8+ T细胞,在体外和体内急性感染解决期均增加了活化细胞池中记忆前体的比例,从而提升了持久记忆池。对地塞米松暴露的CD8+ T细胞进行的RNAseq和生化分析揭示了内在编程的调节,导致代谢改变、ROS积累减少以及Bcl2表达水平增强,促进了效应细胞向记忆细胞的转变。该现象在低剂量地塞米松时明显,而较高剂量则引起线粒体毒性。因此,我们确定NR3C1为记忆CD8+ T细胞分化的调节因子,并提供了一种潜在策略来增加抗病毒CD8+ T细胞记忆池。
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。




