小鼠脓毒症后髓源性抑制细胞的年龄与性别驱动转录及代谢多样性
研究对年轻(3-4 月龄)与年长(18-24 月龄)成年雌雄小鼠在临床相关脓毒症模型后的脾脏白细胞进行单细胞 RNA 测序,刻画脓毒症后 MDSC 在扩增、转录组、经典通路激活、RNA 速率、线粒体代谢及预测细胞间通讯等方面的年龄与性别差异,并利用 drug2cell 分析识别队列特异性特征

基本信息
资源简介
小鼠脓毒症后髓源性抑制细胞的年龄与性别驱动转录及代谢多样性
Age- and Sex- Driven Transcriptional and Metabolic Diversity in Myeloid-Derived Suppressor Cells After Mouse Sepsis
该数据集来自 NCBI GEO(GSE311155),包含 1 个文件 GSE311155_series_matrix.txt.gz,主题为高通量测序表达谱(GPL34290,小鼠 10090)。研究对年轻(3-4 月龄)与年长(18-24 月龄)成年雌雄小鼠在临床相关脓毒症模型后的脾脏白细胞进行单细胞 RNA 测序,刻画脓毒症后 MDSC 在扩增、转录组、经典通路激活、RNA 速率、线粒体代谢及预测细胞间通讯等方面的年龄与性别差异,并利用 drug2cell 分析识别队列特异性特征。数据可用于探索脓毒症后免疫抑制的年龄与性别特异性机制(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):脓毒症诱导深刻的免疫失调,常导致以持续免疫抑制和不良结局为特征的慢性危重症。髓源性抑制细胞(MDSCs)是这种免疫抑制表型的核心介质,但年龄和性别对其转录和代谢状态的影响仍知之甚少。在此,我们对接受临床相关小鼠脓毒症模型的年轻(3-4 个月)和年长(18-24 个月)成年雄性和雌性小鼠的脾脏白细胞进行了单细胞 RNA 测序,以定义年龄和性别特异性的 MDSC 表型。我们在脓毒症后 MDSC 扩增、转录组、经典通路激活、RNA 速率、线粒体代谢和预测的细胞间通讯方面发现了年龄和性别的显著差异。通过对总白细胞进行 drug2cell 分析,我们还识别了队列特异
【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:GPL34290、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=GSE311155
【使用注意】
· 源站最后修改于 Jul 24 202,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=GSE311155
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
脓毒症会引发严重的免疫失调,常导致以持续性免疫抑制和不良预后为特征的慢性危重症。髓源性抑制细胞(MDSCs)是这种免疫抑制表型的核心介导者,但年龄和性别对其转录及代谢状态的影响仍知之甚少。本研究对接受临床相关小鼠脓毒症模型的年轻(3-4月龄)和年长(18-24月龄)成年雄性和雌性小鼠的脾脏白细胞进行了单细胞RNA测序,以界定年龄和性别特异性的MDSC表型。我们发现在脓毒症后MDSC扩增、转录组、经典通路激活、RNA速率、线粒体代谢以及预测的细胞间通讯方面,年龄和性别存在显著差异。通过对总白细胞进行drug2cell分析,我们还识别出队列特异性的药物靶点谱。这些发现强调了年龄和性别在塑造脓毒症诱导的MDSC生物学中的重要性,并提示靶向MDSC的个性化免疫调节策略可改善脓毒症预后。
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。




