GSE211560:老年人流感疫苗反应差异的免疫与分子特征预测(scRNA Seq)
该数据集来自 NCBI GEO,标题为 GSE211560,聚焦老年人流感疫苗反应差异的免疫与分子特征预测,采用单细胞转录组测序

基本信息
资源简介
GSE211560:老年人流感疫苗反应差异的免疫与分子特征预测(scRNA Seq)
Distinct immunological and molecular signatures predict influenza vaccine responsiveness in the elderly (scRNA Seq)
该数据集来自 NCBI GEO,标题为 GSE211560,聚焦老年人流感疫苗反应差异的免疫与分子特征预测,采用单细胞转录组测序。研究随机选取 65 岁及以上个体,接种佐剂流感疫苗 Fluad® 后采集样本进行单细胞转录组分析,以区分疫苗应答者与非应答者。数据包含 1 个文件,样例为 GSE211560_series_matrix.txt.gz,涉及表达谱分析、高通量测序、GPL24676 平台及人类 9606。可用于探索老年人疫苗应答差异的免疫与分子机制,为改进疫苗接种策略提供依据(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):季节性流感暴发带来的显著经济负担和高死亡率,尤其是在老年人等高危人群中,是一个重要的公共卫生问题。季节性疫苗(无论是传统疫苗还是针对老年人定制的疫苗)普遍效力不足,是一个关键瓶颈。因此,理解导致流感疫苗反应差异的免疫学和分子机制,是开发新的或改进的疫苗接种策略的先决条件。为了评估老年人这一特定风险群体内部的差异,随机选取的个体(≥ 65 岁)接种了佐剂流感疫苗 Fluad®。样本进行了单细胞转录组分析。分析揭示了根据疫苗反应分类的疫苗应答者与无应答者之间的显著特征。
【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=GSE211560
【使用注意】
· 源站最后修改于 Oct 02 202,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=GSE211560
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
季节性流感暴发造成的重大经济负担和高死亡率,尤其是在老年人等高危人群中,构成了重要的公共卫生问题。季节性疫苗(无论是传统疫苗还是针对老年人定制的疫苗)普遍效力不足,是一个关键瓶颈。因此,了解导致流感疫苗应答差异的免疫学和分子机制,是开发新型或改进型疫苗接种策略的前提。为评估老年人这一特定风险群体内部的差异,随机选取的个体(≥65岁)接种了佐剂流感疫苗Fluad®。对样本进行了单细胞转录组分析。分析揭示了根据疫苗诱导的血清转化分类,将疫苗应答者与无应答者区分开来的深刻特征。无应答者的特征是功能低下、抑制性表型,表现出较弱的体液和细胞免疫激活以及更多的抑制性调节性T细胞和B细胞。
三重应答者展现出高效的免疫功能,其特征为体液免疫和细胞免疫的激活,以及与信号通路相关基因的上调,这些通路包括抗病毒反应、蛋白质加工和B细胞活化。所生成的高维综合数据集使得能够识别出可能导致疫苗无应答的假定机制和关键节点,而不受年龄相关混杂效应的影响。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




