GSE218587:cGAS与RIG-I感知通路协同增强精英控制者髓系树突状细胞对HIV-1的天然识别
研究聚焦精英控制者(EC)髓系树突状细胞(mDC)对HIV-1的天然免疫识别机制,通过转录组表达谱比较不同应答亚群,结合功能实验提示cGAS与RIG-I感知通路的协同作用

基本信息
资源简介
GSE218587:cGAS与RIG-I感知通路协同增强精英控制者髓系树突状细胞对HIV-1的天然识别
Cooperation between cGAS and RIG-I sensing pathways enables improved innate recognition of HIV-1 by myeloid dendritic cells in elite controllers
该数据集来自NCBI GEO,包含1个文件(GSE218587_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为人(9606),平台为GPL18573。研究聚焦精英控制者(EC)髓系树突状细胞(mDC)对HIV-1的天然免疫识别机制,通过转录组表达谱比较不同应答亚群,结合功能实验提示cGAS与RIG-I感知通路的协同作用。数据可用于免疫系统疾病相关基因表达分析、HIV-1天然免疫识别机制探索及生物标志物筛选(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 22 202。
【数据内容】
源站描述(机器翻译,仅供参考):HIV-1复制在未接受抗逆转录病毒治疗(ART)情况下的自发控制自然发生于一小部分HIV-1感染者中,这些人被称为精英控制者(EC),可能源于固有免疫和适应性免疫机制的改善。既往研究表明,EC的常规树突状细胞(mDC)对HIV-1逆转录转录本的胞质免疫识别增强,能够有效诱导抗病毒效应T细胞应答。然而,负责这些个体mDC中HIV-1固有识别改善的具体分子回路仍不清楚。在此,我们鉴定出一个EC亚群,其mDC对胞内HIV-1 dsDNA刺激表现出更高的基线应答能力。对此类高应答EC的转录特征进行计算分析,结合功能研究,提示胞质识别
【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:GPL18573、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=GSE218587
【使用注意】
· 源站最后修改于 Jan 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=GSE218587
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
在未接受抗逆转录病毒治疗(ART)的情况下,HIV-1复制的自发控制自然发生于一小部分HIV-1感染者中,这些人被称为精英控制者(EC),可能是由于先天性和适应性免疫机制增强所致。既往研究表明,EC的传统树突状细胞(mDC)中细胞质免疫对HIV-1逆转录转录本的识别增强,能够有效诱导抗病毒效应T细胞应答。然而,负责这些个体mDC中HIV-1先天识别改善的具体分子回路仍不清楚。在此,我们鉴定出EC的一个亚群,其mDC对细胞内HIV-1双链DNA刺激表现出更高的基线应答能力。对此类高应答EC的转录特征进行计算分析,并结合功能研究,提示cGAS对HIV-1双链DNA的细胞质识别,以及在RNA聚合酶III介导的HIV-1 DNA转录后由RIG-I对病毒mRNA的感知。
我们的研究共同揭示了固有传感通路的协同网络,这些网络增强了mDC细胞内在的能力,以诱导针对HIV-1的抗病毒固有反应;这些观察结果可能有助于治疗性地诱导有效的抗病毒免疫反应。
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。




