选择性IgA缺陷与普通变异型免疫缺陷儿童调节性T细胞基因特征数据集
该数据集来自NCBI GEO,包含从选择性IgA缺陷(SIgAD)和普通变异型免疫缺陷(CVID)患儿分离的调节性T细胞(Treg)的基因表达谱,并与年龄匹配的健康对照进行比较

基本信息
资源简介
选择性IgA缺陷与普通变异型免疫缺陷儿童调节性T细胞基因特征数据集
Gene signature of regulatory T cells isolated from children with Selective IgA Deficiency and Common Variable Immunodeficiency.
该数据集来自NCBI GEO,包含从选择性IgA缺陷(SIgAD)和普通变异型免疫缺陷(CVID)患儿分离的调节性T细胞(Treg)的基因表达谱,并与年龄匹配的健康对照进行比较。数据采用芯片表达谱技术,仅有一个文件GSE261335_series_matrix.txt.gz,主题标签涉及Expression profiling by array、GPL23126和9606。该数据可用于分析儿童免疫缺陷疾病中Treg细胞的转录特征,支持疾病相关基因标志物的识别与分类研究(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):在本研究中,我们旨在分析CVID和SIgAD患者中Treg细胞的基因表达谱,并与年龄匹配的健康对照进行比较。
【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、GPL23126、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=GSE261335
【使用注意】
· 源站最后修改于 Feb 24 202,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=GSE261335
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
在本研究中,我们旨在分析CVID和SIgAD患者与年龄匹配的健康对照相比,Treg细胞的基因表达谱。选择性IgA缺陷(SIgAD)是最常见的原发性抗体缺陷,而普通变异型免疫缺陷(CVID)是症状最明显的以抗体缺陷为主的形式。尽管临床表现存在差异,但提示两者具有相似的遗传背景。这两种疾病的共同特征是自身免疫性疾病的发生。调节性T细胞(Tregs)是维持自身免疫耐受的主要免疫细胞类型。由于Treg细胞的不同类型异常与原发性免疫缺陷(PID)患者的自身免疫性疾病相关,因此在本研究中,我们旨在分析CVID和SIgAD患者与年龄匹配的健康对照相比,Treg细胞的基因表达谱。使用微阵列技术进行了全转录组基因谱分析。结果,我们分析并可视化了分离的Treg细胞群体的基因和通路的全局表达模式。我们展示了伴有和不伴有自身免疫化的患者之间在基因水平上的差异。
我们的研究结果表明,从SIgAD和CVID患者中分离出的Treg细胞的基因特征与年龄匹配的健康对照组不同,且彼此之间也存在差异,而这两种PID中自身免疫的发生与IFN信号通路相关。总之,我们的发现增进了对常见PID患者中Treg功能障碍及相关自身免疫的理解。
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。




