非典型记忆B细胞作为稳态IgD应答前浆细胞储库
该数据集来自NCBI GEO,包含1个文件(GSE243121_series_matrix.txt.gz),基于高通量测序表达谱,研究人鼻咽黏膜相关淋巴组织中非典型IgD类转换IgD+IgM-记忆B细胞(IgD-ME)的特性

基本信息
资源简介
非典型记忆B细胞作为稳态IgD应答前浆细胞储库
Atypical memory B cells form a pre-plasmacellular reservoir for steady-state IgD responses to common nasopharyngeal antigens
该数据集来自NCBI GEO,包含1个文件(GSE243121_series_matrix.txt.gz),基于高通量测序表达谱,研究人鼻咽黏膜相关淋巴组织中非典型IgD类转换IgD+IgM-记忆B细胞(IgD-ME)的特性。这些细胞与IgD+IgM-生发中心B细胞及分泌IgD的浆细胞克隆相关,并优先作为IgD浆细胞的前体。数据可用于探索黏膜稳态IgD应答机制及过敏等常见免疫疾病的潜在干预策略(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 13 202。
【数据内容】
源站描述(机器翻译,仅供参考):人鼻咽黏膜包含有组织的淋巴上皮结构,持续参与针对呼吸消化道抗原的前线免疫应答。增进对这些应答的理解可能有助于开发预防和治疗过敏等常见免疫疾病的新策略。在此,我们鉴定出一个此前难以捉摸的扁桃体非典型IgD类转换IgD+IgM-记忆(IgD-ME)B细胞亚群,该亚群与IgD+IgM−生发中心(IgD-GC)B细胞和分泌IgD的IgD+IgM−浆细胞(IgD-PC)克隆相关,但与无反应性IgD+IgM−B细胞无关。与其前浆细胞特性一致,IgD-ME B细胞比IgD-GC B细胞更优先作为IgD-PC的前体。来自IgD+IgM−细胞的IgD抗体通过涉及先天性和……的突变依赖途径获得对多种口腔、空气传播和共生抗原的反应性。
【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=GSE243121
【使用注意】
· 源站最后修改于 Jun 22 202,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=GSE243121
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
人鼻咽黏膜包含有组织的淋巴上皮结构,持续参与针对气消化道抗原的前线免疫应答。推进对这些应答的理解,可能有助于开发预防和治疗常见免疫性疾病(如过敏)的新策略。在此,我们鉴定出一个此前难以捕捉的扁桃体非典型IgD类别转换的IgD+IgM−记忆(IgD-ME)B细胞亚群,该亚群与IgD+IgM−生发中心(IgD-GC)B细胞及分泌IgD的IgD+IgM−浆细胞(IgD-PC)存在克隆相关性,但与无反应性IgD+IgM−B细胞无关。与其前浆细胞特性一致,IgD-ME B细胞相较于IgD-GC B细胞,是IgD-PC的优先前体。来自IgD+IgM−细胞的IgD抗体通过涉及固有免疫和适应性免疫信号的突变依赖途径,获得了对多种口腔、空气传播及共生抗原的反应性。因此,IgD-ME B细胞可能形成一个即用型前浆细胞储库,用于稳态IgD应答,其目的可能在于增强鼻咽稳态。
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。




