儿童脓毒症异常STAT信号与T细胞失调可靶向内型
该数据集来自一项儿童脓毒症免疫异质性研究,整合深度免疫表型分析、血浆蛋白质组学、单细胞转录组学和磷酸化流式细胞术,覆盖88名危重患儿的前瞻性队列

基本信息
资源简介
儿童脓毒症异常STAT信号与T细胞失调可靶向内型
Aberrant STAT signaling and T cell dysregulation define a targetable pediatric sepsis endotype
该数据集来自一项儿童脓毒症免疫异质性研究,整合深度免疫表型分析、血浆蛋白质组学、单细胞转录组学和磷酸化流式细胞术,覆盖88名危重患儿的前瞻性队列。通过血浆细胞因子的无监督聚类识别出三个免疫亚组,其中以IL-6和IFN-γ驱动的高细胞因子血症高严重度Group C具有独特的免疫细胞频率和活化状态改变。数据可用于探索脓毒症内型分类、免疫失调机制及靶向治疗相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 22 202。
【数据内容】
源站描述(机器翻译,仅供参考):脓毒症是危重儿童发病和死亡的主要原因,但免疫反应的异质性使靶向治疗的开发复杂化。尽管免疫失调与脓毒症不良结局相关,但哪些宿主免疫因素对脓毒症发病率和死亡率有因果贡献仍不清楚。为填补这一空白,我们在一个88名危重儿童的前瞻性队列中整合了深度免疫表型分析、血浆蛋白质组学、单细胞转录组学和磷酸化流式细胞术,以阐明疾病异质性背后的免疫机制。血浆细胞因子的无监督聚类识别出三个免疫亚组,包括一个以显著高细胞因子血症为特征的高严重度组(“Group C”),主要由IL-6和IFN-γ驱动。Group C表现出免疫细胞频率和活化状态的明显改变
【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:GPL24676、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=GSE303333
【使用注意】
· 源站最后修改于 Aug 25 202,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=GSE303333
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
脓毒症是危重患儿发病和死亡的主要原因,然而免疫反应的异质性使靶向治疗的开发变得复杂。尽管免疫失调与脓毒症的不良结局相关,但哪些宿主免疫因素对脓毒症的发病和死亡具有因果作用仍不清楚。为填补这一空白,我们在一个由88名危重患儿组成的前瞻性队列中整合了深度免疫表型分析、血浆蛋白质组学、单细胞转录组学和磷酸化流式细胞术,以阐明疾病异质性背后的免疫学机制。对血浆细胞因子的无监督聚类识别出三个免疫学亚组,其中包括一个以显著高细胞因子血症为特征的高严重度组(“C组”),该组主要由IL-6和IFN-γ驱动。C组在免疫细胞频率和活化状态方面表现出明显改变,同时高炎症信号与淋巴细胞功能障碍之间存在强关联。
单细胞RNA测序揭示了T细胞活化和代谢应激的转录特征,并发现CD8⁺ T细胞各亚群中一个淋巴保护性基因程序被广泛抑制。在活化标志物表达升高的情况下,T细胞受体库分析未发现优势克隆型,这与T细胞活化的旁观者机制一致。利用磷酸化流式细胞术,我们证实C组患者CD8⁺ T细胞中STAT1和STAT3存在基线过度活化,且这些细胞对aCD3/aCD28刺激无应答。综上,这些发现将IL-6/IFN-γ驱动的T细胞功能障碍定义为儿童脓毒症中免疫失调的一种独特内型,并凸显JAK/STAT轴作为未来免疫调节治疗的潜在靶点。
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。




