特应性皮炎年龄组免疫差异的单细胞多组学数据集

该数据集来自 NCBI GEO(GSE332623),对 29 例特应性皮炎患者与 29 例匹配健康对照的外周血单个核细胞(PBMC)进行 CITE-seq 单细胞多组学分析,覆盖儿童(0–17 岁)、成人(18–59 岁)和老年(≥60 岁)三组,同时获取约 28 万个免疫细胞的转录组(RNA)与

geo
浏览 9
基因组分类GPL246769606
GSE332623: Immunological Differences in Atopic Dermatitis Across Age Groups: Insights from Single-Cell Multi-Omics

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-19

资源简介

特应性皮炎年龄组免疫差异的单细胞多组学数据集

Immunological Differences in Atopic Dermatitis Across Age Groups: Insights from Single-Cell Multi-Omics

该数据集来自 NCBI GEO(GSE332623),对 29 例特应性皮炎患者与 29 例匹配健康对照的外周血单个核细胞(PBMC)进行 CITE-seq 单细胞多组学分析,覆盖儿童(0–17 岁)、成人(18–59 岁)和老年(≥60 岁)三组,同时获取约 28 万个免疫细胞的转录组(RNA)与表面蛋白组(ADT)数据,并整合鉴定出 30 个免疫亚群。数据可用于比较不同年龄组 AD 的免疫细胞组成与差异表达特征,并支持基于显著基因和蛋白特征训练机器学习分类器(来源 NCBI)。

【数据集背景】

源站首次发布:May 20 202。

【数据内容】

源站描述(机器翻译,仅供参考):背景:特应性皮炎(AD)可发生于所有年龄段,但在儿童、成人和老年人之间表现出不同的临床和免疫学特征。这些年龄特异性免疫差异背后的分子程序仍知之甚少。方法:我们对 29 例 AD 患者和 29 例匹配健康对照(HC)的外周血单个核细胞(PBMC)进行了单细胞多组学分析,涵盖儿童(0–17 岁)、成人(18–59 岁)和老年(≥60 岁)组。使用基于测序的转录组和表位细胞索引(CITE-seq),我们同时量化了约 280,000 个免疫细胞的转录组(RNA)和表面蛋白质组(ADT)图谱。综合分析确定了 30 个免疫亚群,用于细胞类型比例和差异表达分析。机器学习分类器在显著的基因和蛋白质特征上进行训练,以

【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=GSE332623

【使用注意】

· 源站最后修改于 Sep 25 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE332623

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

背景:特应性皮炎(AD)可发生于所有年龄段,但在儿童、成人和老年人之间表现出不同的临床和免疫学特征。这些年龄特异性免疫差异背后的分子程序仍知之甚少。方法:我们对29例AD患者和29例匹配的健康对照(HC)的外周血单个核细胞(PBMC)进行了单细胞多组学分析,涵盖儿童(0–17岁)、成人(18–59岁)和老年(≥60岁)组。采用基于测序的转录组和表位细胞索引(CITE-seq)技术,我们同时量化了约280,000个免疫细胞的转录组(RNA)和表面蛋白质组(ADT)图谱。综合分析确定了30个免疫亚群,用于细胞类型比例和差异表达分析。基于显著的基因和蛋白质特征训练机器学习分类器,以按年龄区分AD亚组。结果:与HC相比,AD血液显示CD14+单核细胞、浆细胞样树突状细胞和CD4+增殖性T细胞富集,AD与HC的差异基因表达分析揭示了在所有年龄组中共有的下游Th2相关特征。

在AD中,儿童患者γδ T细胞、初始CD4+和初始CD8+ T细胞增多,而老年患者则表现出更多的CD4+细胞毒性T细胞和CD8+中央记忆T细胞,表明随着年龄增长,免疫优势从初始细胞向效应细胞转变。转录组学和蛋白质组学分析揭示了不同的程序:儿童AD富集IL-10和细胞因子-细胞因子受体信号传导;成人AD表现出代谢和核因子κB(NF-κB)/Th1/Th17通路的激活;老年AD则表现为适应性免疫活性降低但先天信号传导增强。基于差异表达基因和蛋白质的机器学习模型能够准确分类AD年龄组(基于转录本的F1 = 0.70,AUC = 0.79),识别出稳定的标志

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。

获取专属数据定制方案