单细胞转录组分析揭示效应CD8+ T细胞在HIV-1感染者残留慢性免疫激活和炎症中可能发挥重要作用
该数据集来自NCBI GEO,包含HIV-1感染者接受抗逆转录病毒治疗(ART)后外周血单个核细胞(PBMC)的单细胞转录组测序数据,文件为GSE254301_series_matrix.txt.gz

基本信息
资源简介
单细胞转录组分析揭示效应CD8+ T细胞在HIV-1感染者残留慢性免疫激活和炎症中可能发挥重要作用
Single-cell transcriptome analysis reveals effector CD8+ T cells may play an important role in residual chronic immune activation and inflammation in HIV-1 infected patients
该数据集来自NCBI GEO,包含HIV-1感染者接受抗逆转录病毒治疗(ART)后外周血单个核细胞(PBMC)的单细胞转录组测序数据,文件为GSE254301_series_matrix.txt.gz。研究通过scRNA-seq分析发现CD4+ T细胞、CD8+ T细胞、单核细胞和B细胞比例存在变化,效应CD8+ T细胞在HIV感染患者和lsATR中显著减少、在fsART中增加,MIF信号在fsART中显著增强。数据可用于免疫细胞组成与功能分析,探索残留慢性免疫激活和炎症机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):尽管抗逆转录病毒治疗(ART)抑制了HIV-1感染患者的病毒血症并降低了死亡率,但这些患者残留的慢性免疫激活和炎症可导致非传染性疾病风险增加,而其机制仍不清楚。利用接受ART的HIV-1患者PBMC的scRNA-seq和公开可用的scRNA-seq数据,我们发现这些患者中CD4+ T细胞、CD8+ T细胞、单核细胞和B细胞的比例呈现变化。通过聚类分析发现,效应CD8+ T细胞在HIV感染患者和lsATR中显著减少,但在fsART中增加,迁移抑制因子(MIF)信号在fsART中显著增加。
【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=GSE254301
【使用注意】
· 源站最后修改于 Jan 31 202,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=GSE254301
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
尽管抗逆转录病毒治疗(ART)已抑制HIV-1感染患者的病毒血症并降低死亡率,但这些患者体内残留的慢性免疫激活和炎症可导致非传染性疾病风险增加,而其机制仍不明确。利用接受ART的HIV-1患者PBMC的scRNA-seq及公共可用的scRNA-seq数据,我们发现这些患者中CD4+ T细胞、CD8+ T细胞、单核细胞和B细胞的比例存在差异。通过聚类分析发现,效应CD8+ T细胞在HIV感染患者和lsATR中显著减少,但在fsART中增加,迁移抑制因子(MIF)信号在fsART中显著增强。
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。




