人类初始与记忆B细胞亚群的转录组-蛋白质组分析揭示同种型与亚类特异性表型
数据可用于研究不同同种型与亚类B细胞的分子特征、分化状态及表型差异,为免疫系统疾病和过敏相关机制研究提供参考(来源 NCBI)

基本信息
资源简介
人类初始与记忆B细胞亚群的转录组-蛋白质组分析揭示同种型与亚类特异性表型
Transcriptome-Proteome analysis of human naive and memory B cell subsets reveal isotype and subclass-specific phenotypes
该数据集来自NCBI GEO,包含人类初始与记忆B细胞亚群的转录组与蛋白质组分析数据,覆盖CD27-IgM+IgD+、CD27+CD38lo/-IgM+IgD+、CD27+CD38lo/-IgM+IgD-以及IgA1、IgA2、IgG1、IgG2、IgG3、IgG4记忆B细胞等同种型定义群体。数据可用于研究不同同种型与亚类B细胞的分子特征、分化状态及表型差异,为免疫系统疾病和过敏相关机制研究提供参考(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):B细胞产生的抗体有助于识别和清除病原体,是疫苗接种策略的基石。人类产生九种不同的抗体同种型,其效应功能因抗原类型和暴露途径而异。同种型转换后的B细胞亚群之间存在表型差异是预期之中的,但尚未得到详细研究。为了获得同种型定义的B细胞身份的分子定义,我们对同种型定义的人类初始和记忆B细胞(MBC)群体进行了蛋白质组学和转录组学分析:CD27-IgM+IgD+、CD27+CD38lo/-IgM+IgD+、CD27+CD38lo/-IgM+IgD-,以及IgA1、IgA2、IgG1、IgG2、IgG3和IgG4 MBC(CD27+CD38lo/-Ig+)。联合蛋白质组和转录组分析揭示,mRNA和蛋白质表达谱根据其分化状态分离出不同的同种型定义B细胞亚群。mRNA和蛋白质表达
【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:免疫系统疾病/过敏。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE298777
【使用注意】
· 源站最后修改于 Mar 18 202,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=GSE298777
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
B细胞产生的抗体有助于识别和清除病原体,是疫苗接种策略的基石。人类产生九种不同的抗体同种型,其效应功能因抗原类型和暴露途径而异。同种型转换后的B细胞亚群之间存在表型差异是预期之中的,但尚未得到详细研究。为了从分子层面定义同种型决定的B细胞身份,我们对人类初始B细胞和记忆B细胞(MBCs)中同种型确定的群体进行了蛋白质组学和转录组学分析:CD27-IgM+IgD+、CD27+CD38lo/-IgM+IgD+、CD27+CD38lo/-IgM+IgD-,以及IgA1、IgA2、IgG1、IgG2、IgG3和IgG4 MBCs(CD27+CD38lo/-Ig+)。蛋白质组与转录组联合分析揭示,mRNA和蛋白质表达谱根据分化状态将不同的同种型确定B细胞亚群区分开来。许多基因的mRNA与蛋白质表达水平相关性良好。IgG4+ MBCs与初始B细胞的差异最为显著。除了细胞因子和Fc受体表达谱的差异外,我们还发现IgG4转换后的B细胞中IgE编码mRNA的高表达。
SDR16C5被鉴定为在IgG4转换的B细胞中独特上调。
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。




