GSE136076:控制性人类疟疾感染研究中恶性疟原虫寄生虫的转录组分析揭示功能变异

该数据集来自 NCBI GEO,包含一项控制性人类疟疾感染(CHMI)研究中恶性疟原虫 NF54 的转录组表达谱芯片数据

geo
浏览 3
基因组分类Expression profiling by arrayGPL188935843
GSE136076: Transcriptome profiling reveals functional variation in Plasmodium falciparum parasites from controlled human malaria infection studies

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-23

资源简介

GSE136076:控制性人类疟疾感染研究中恶性疟原虫寄生虫的转录组分析揭示功能变异

Transcriptome profiling reveals functional variation in Plasmodium falciparum parasites from controlled human malaria infection studies

该数据集来自 NCBI GEO,包含一项控制性人类疟疾感染(CHMI)研究中恶性疟原虫 NF54 的转录组表达谱芯片数据。健康免疫 naïve 志愿者经皮内或静脉接种不同剂量的恶性疟原虫子孢子后分离寄生虫,经体外培养传代后收集 RNA 进行表达谱检测。数据可用于分析不同感染途径和剂量下寄生虫的转录组差异及功能变异,为疟疾感染机制和免疫相关研究提供表达谱资源(来源 NCBI)。

【数据集背景】

源站首次发布:Aug 20 201。

【数据内容】

源站描述(机器翻译,仅供参考):本研究的目的是表征源自控制性人类疟疾感染(CHMI)研究的恶性疟原虫 NF54 的整体转录组。健康、免疫学上未经暴露的人类志愿者通过皮内或静脉途径接种不同剂量的恶性疟原虫子孢子(Sanaria® PfSPZ Challenge)。从这些志愿者中分离寄生虫,并在 RNA 收集前进行一系列体外培养传代。

【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:Expression profiling by array、GPL18893、5843。本站分类:免疫系统疾病。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE136076

【使用注意】

· 源站最后修改于 Aug 24 201,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=GSE136076

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

本研究的目的是表征源自控制性人类疟疾感染(CHMI)研究的恶性疟原虫NF54株的整体转录组。健康且免疫未暴露的人类志愿者通过皮内或静脉途径接种不同剂量的恶性疟原虫子孢子(Sanaria® PfSPZ Challenge)。从这些志愿者体内分离寄生虫,并在RNA收集前进行一系列体外培养传代。

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