埃博拉出血热治疗:成功缓解疾病的全身基因组转录分析
该数据集来自 NCBI,标题为埃博拉出血热治疗:成功缓解疾病的全身基因组转录分析,包含 1 个文件 GSE24943_series_matrix.txt.gz,采用 GPL9700 表达谱芯片平台,物种涉及 9544

基本信息
资源简介
埃博拉出血热治疗:成功缓解疾病的全身基因组转录分析
Therapeutics of Ebola hemorrhagic fever: Whole-genome transcriptional analysis of successful disease mitigation
该数据集来自 NCBI,标题为埃博拉出血热治疗:成功缓解疾病的全身基因组转录分析,包含 1 个文件 GSE24943_series_matrix.txt.gz,采用 GPL9700 表达谱芯片平台,物种涉及 9544。数据聚焦 EBOV 感染后宿主免疫反应失调及候选治疗干预机制,可用于研究埃博拉出血热致病机理、筛选治疗相关表达特征及分类建模(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 26 201。
【数据内容】
源站描述(机器翻译,仅供参考):埃博拉(EBOV)病毒在人类和非人灵长类(NHP)中引起严重且常致命的出血热,并被归类为 A 类生物武器制剂。目前尚无获批的 EBOV 出血热预防性疫苗或暴露后治疗。EBOV 致病机制仅被部分了解,但正常宿主免疫反应失调(包括淋巴细胞破坏、循环促炎细胞因子水平升高以及凝血异常发展)被认为起主要作用。越来越多的证据表明,观察到的病理变化很大程度上并非病毒诱导的结构损伤的直接结果,而是源于 EBOV 感染细胞释放的可溶性免疫介质。因此,必须了解候选治疗药物如何中断疾病过程并/
【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:Expression profiling by array、GPL9700、9544。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=GSE24943
【使用注意】
· 源站最后修改于 Jul 24 201,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=GSE24943
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
埃博拉(EBOV)病毒在人类和非人灵长类(NHP)中引起严重且常致命的出血热,并已被归类为A类生物武器剂。目前尚无获批的针对EBOV出血热的预防性疫苗或暴露后治疗。对EBOV发病机制的了解仍不完整,但正常宿主免疫反应失调(包括淋巴细胞破坏、循环促炎细胞因子水平升高以及凝血异常的发生)被认为起主要作用。越来越多的证据表明,所观察到的病理变化在很大程度上并非病毒诱导的结构损伤的直接结果,而是由EBOV感染细胞释放可溶性免疫介质所致。因此,必须了解候选治疗药物可能如何中断疾病进程和/或靶向感染因子。基于对宿主对感染和治疗反应的分子特征的识别,可能极大地有助于确定有效的治疗策略。
为了识别这些与保护相关因素有关的基因特征,我们采用基于DNA微阵列的方法,比较了感染埃博拉病毒的非人灵长类动物对候选治疗药物反应的宿主全基因组响应。通过这种方法,我们鉴定出一些似乎与生存相关的基因,包括趋化因子配体8(CCL8/MCP-2),并揭示了一组明显差异表达的基因,这些基因可能为未来的诊断或治疗提供潜在的靶点。这些分析将有助于我们理解埃博拉病毒感染的致病机制,并识别改进的治疗策略。
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。




