重度疟疾性贫血炎症与免疫转录组定义用于免疫治疗发现
该数据集来自 NCBI GEO(GSE255403),聚焦重度疟疾性贫血(SMA,Hb<5.0 g/dL)的炎症与免疫转录组,旨在识别介导疾病严重程度的关键基因通路,并寻找可诱导较轻疾病表达谱的化合物,为免疫治疗发现提供依据

基本信息
资源简介
重度疟疾性贫血炎症与免疫转录组定义用于免疫治疗发现
Defining the Inflammation and Immunity Transcriptome in Severe Malarial Anemia for Immunotherapeutic Discovery
该数据集来自 NCBI GEO(GSE255403),聚焦重度疟疾性贫血(SMA,Hb<5.0 g/dL)的炎症与免疫转录组,旨在识别介导疾病严重程度的关键基因通路,并寻找可诱导较轻疾病表达谱的化合物,为免疫治疗发现提供依据。数据采用高通量测序表达谱,包含 1 个文件(GSE255403_series_matrix.txt.gz),物种为人类(9606),平台为 GPL24676。可用于转录组表达分析、疾病严重程度相关基因通路识别及免疫治疗靶点探索(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):疟疾持续构成重大公共卫生威胁,每年报告数百万病例和数十万死亡,主要发生在撒哈拉以南非洲。该病对居住在全地方性恶性疟原虫传播地区的五岁以下儿童影响尤为严重,这些儿童占病例的94%和死亡率的80%。幼儿极易发展为危及生命的重度疟疾性贫血[SMA,血红蛋白(Hb)<5.0 g/dL]。该项目的总体目标是识别转录组中介导疾病严重程度的关键基因通路,然后用化合物靶向这些特定基因,以诱导在病情较轻儿童中观察到的表达谱。为实现这一目标,我们正在投入以下具体目标:1)确定疟疾中基因通路随时间动态变化的方式
【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:血液及造血器官疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE255403
【使用注意】
· 源站最后修改于 Dec 04 202,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=GSE255403
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
疟疾持续构成重大公共卫生威胁,每年报告数百万病例和数十万死亡,主要发生在撒哈拉以南非洲。该疾病对居住在全地方性恶性疟原虫传播地区的五岁以下儿童影响尤为严重,这些儿童占病例的94%和死亡率的80%。幼儿极易发展为危及生命的重症疟疾贫血[SMA,血红蛋白(Hb)<5.0 g/dL]。该项目的总体目标是识别转录组中介导疾病严重程度的关键基因通路,然后针对这些特定基因,使用能够诱导出在病情较轻儿童中所见表达谱的化合物。
为实现这一目标,我们正在投入以下具体目标:1)确定疟疾免疫转录组中基因通路时间动态的变化如何促进急性疾病期间的SMA;2)确定疟疾免疫转录组中基因通路的变化如何在自然获得性免疫的发展过程中介导疟疾严重程度;以及3)识别疟疾免疫转录组中的免疫治疗靶点,这些靶点可用于在未来试验中减轻疟疾疾病严重程度并改善临床结局。为成功完成这些目标,我们正在确定宿主特征如何在14天内影响急性疾病。我们将利用该队列的离体样本测试免疫治疗化合物对宿主表达谱的影响。实现这些目标将具有广泛转化的意义:(1)识别高风险群体,以及(2)优先考虑可用于在未来免疫治疗试验中改善临床结局的化合物。
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。




