牙周炎患者治疗前后及健康供者外周血单个核细胞的单细胞RNA图谱
该数据集来自NCBI GEO,包含牙周炎患者治疗前、治疗后及健康供者外周血单个核细胞(PBMC)的单细胞RNA测序数据,共涉及4例治疗前患者、4例治疗后患者和4例健康供者

基本信息
资源简介
牙周炎患者治疗前后及健康供者外周血单个核细胞的单细胞RNA图谱
peripheral blood mononuclear cells (PBMCs) of pre- and post-treatment periodontitis patients and healthy donors by single-cell RNA profiling
该数据集来自NCBI GEO,包含牙周炎患者治疗前、治疗后及健康供者外周血单个核细胞(PBMC)的单细胞RNA测序数据,共涉及4例治疗前患者、4例治疗后患者和4例健康供者。牙周治疗为一日全口刮治和根面平整的全口消毒。数据可用于比较患者与健康供者免疫细胞中炎症反应相关基因的表达差异,研究牙周炎与全身疾病的关联,并识别跨细胞类型的共同代表基因(来源 NCBI)。
【数据集背景】
源站首次发布:May 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):慢性牙周炎导致口外共病的致病决定因素尚不清楚。本研究旨在通过治疗解决的牙周炎引发的免疫细胞分子变化,研究慢性牙周炎与全身疾病相关的主要决定因素。对4例治疗前和4例治疗后患者以及4例健康供者的外周血单个核细胞进行单细胞RNA测序,以比较免疫细胞的分子和生物学差异。牙周治疗为一日全口刮治和根面平整的全口消毒。比较患者炎症反应相关基因的表达改变与治疗干预后健康供者的差异。研究了跨多种细胞类型的共同代表基因;这些基因与牙周炎-病理相关
【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:GPL20795、9606。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=GSE174609
【使用注意】
· 源站最后修改于 Nov 10 202,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=GSE174609
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
导致口外合并症的慢性牙周炎的致病决定因素尚不明确。本研究旨在通过治疗缓解的免疫细胞中牙周炎诱发的分子变化,探究与慢性牙周炎和全身性疾病相关的主要决定因素。采用外周血单核细胞进行单细胞RNA测序,比较4例治疗前和4例治疗后患者以及4名健康供者免疫细胞的分子和生物学差异。牙周治疗为一日全牙弓洁治和根面平整以实现全口消毒。将患者中炎症反应相关基因表达的改变与治疗干预后健康供者的相应表达进行比较。研究了跨多种细胞类型的共同代表性基因;这些基因与牙周炎致病菌相关的全身性疾病有关。这些在单细胞水平上将慢性牙周炎与全身炎症性疾病相关联的重要因素可能作为治疗靶点。
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。




