循环白细胞单细胞ATAC-seq揭示危重症全局表观遗传改变作为预后因素
该数据集来自NCBI,包含危重症患者循环白细胞的单细胞ATAC-seq数据,用于研究开放染色质模式与患者预后之间的关系。数据覆盖免疫系统疾病相关样本,文件为GSE175694_series_matrix.txt.gz,主题涉及基因组结合/占据谱分析

基本信息
资源简介
循环白细胞单细胞ATAC-seq揭示危重症全局表观遗传改变作为预后因素
Single-cell ATAC-seq of circulating leukocytes reveals global epigenetic alterations as a prognostic factor in critical illness
该数据集来自NCBI,包含危重症患者循环白细胞的单细胞ATAC-seq数据,用于研究开放染色质模式与患者预后之间的关系。数据覆盖免疫系统疾病相关样本,文件为GSE175694_series_matrix.txt.gz,主题涉及基因组结合/占据谱分析。可用于探索危重症中表观遗传改变作为预后因素的潜力,支持免疫系统疾病相关的染色质可及性分析(来源 NCBI)。
【数据集背景】
源站首次发布:May 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:虽然已有报道显示创伤患者循环白细胞的 bulk 和单细胞转录组模式,但这些模式与开放染色质模式变化之间的关系仍未得到研究。在此,我们研究了单细胞 ATAC-seq 是否能进一步提高与患者结局一致的转录组模式的解析度。
【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。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE175694
【使用注意】
· 源站最后修改于 Feb 11 202,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=GSE175694
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
背景:虽然已有关于创伤患者循环白细胞中批量及单细胞转录组模式的报道,但这些模式与开放染色质模式变化之间的关系尚未被研究。本研究探讨了单细胞ATAC-seq能否进一步提高与患者结局相一致的转录组模式的分辨率。方法:我们对4例创伤患者伤后<4小时、24小时、72小时的外周血单个核细胞以及4例匹配的健康对照进行了scATAC-seq,并提取了与全局表观遗传改变相关的特征。使用来自创伤、烧伤和脓毒症患者的三套大规模批量转录组数据集来验证scATAC-seq衍生的特征,探索患者表观遗传异质性(表观遗传分组:EG_hi vs. EG_lo),并将模式与危重疾病的临床结局相关联。发现:血液白细胞中基因表达模式代表高全局表观遗传特征(EG_hi)的患者亚组在三种危重疾病病因中均具有更差的结局。
EG_hi分型对患者预后的贡献独立于已知的免疫白细胞转录组反应(创伤:HR=0.62 [95% CI:0.43-0.89,事件设定为康复],p=0.01,n=167;烧伤:HR=4.35 [95% CI:0.816-23.2,事件设定为死亡],p=0.085,n=121;脓毒症:HR=1.60 [95% CI:1.10-2.33,事件设定为死亡],p=0.013,n=479;Cox比例风险回归)。解读:纳入与循环白细胞整体表观遗传改变相关的基因表达模式,可提高基于转录组的患者分型在急性危重疾病中的分辨能力。早期检测整体表观遗传特征和已知免疫转录组模式均与创伤、烧伤和脓毒症的不良预后相关。
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。




