经典猪瘟病毒感染外周血单个核细胞的全局转录谱
该数据集来自 NCBI GEO,采用微阵列分析检测经典猪瘟病毒(CSFV)石门强毒株感染猪后外周血单个核细胞(PBMC)的基因转录谱

基本信息
资源简介
经典猪瘟病毒感染外周血单个核细胞的全局转录谱
Global transcriptional profiles in peripheral blood mononuclear cell during classical swine fever virus infection
该数据集来自 NCBI GEO,采用微阵列分析检测经典猪瘟病毒(CSFV)石门强毒株感染猪后外周血单个核细胞(PBMC)的基因转录谱。三头易感猪经肌肉注射致死剂量病毒,在感染后 1、3、6、9 天分离 PBMC 并提取总 RNA 进行芯片分析,数据涵盖 847 个基因的表达变化。该数据可用于研究 CSFV 感染早期的宿主免疫与致病机制(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):经典猪瘟病毒(CSFV)是引起猪高传染性疾病的病原体。为解决其致病机制中的问题,本研究采用微阵列分析检测中国高毒力 CSFV 石门株感染后外周血单个核细胞(PBMC)的基因转录谱。三头易感猪经肌肉注射致死剂量(1.0 × 106 TCID50)的 CSFV。猪表现出典型的 CSF 症状、淋巴细胞和单核细胞减少,符合 CSFV 感染特征,并在 PBMC 中确认了 CSFV 基因组。在接种后第 1、3、6 和 9 天(dpi)分离 PBMC。提取总 RNA 并进行微阵列分析。数据显示,847 个基因的表达中,467 个基因功能已知,其余 380 个基因功能未知,541 个上调
【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、GPL3533、9825。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=GSE276190
【使用注意】
· 源站最后修改于 Sep 03 202,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=GSE276190
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
古典猪瘟病毒(CSFV)是引起猪高传染性疾病的病原体。为解决其致病机制中的问题奠定基础,本研究采用微阵列分析检测了猪感染中国高毒力CSFV石门株后外周血单个核细胞(PBMC)的基因转录谱。三头易感猪经肌肉注射致死剂量(1.0 × 10^6 TCID50)的CSFV。猪表现出典型的CSF症状、与CSFV感染一致的淋巴细胞和单核细胞减少,且PBMC中亦确认存在CSFV基因组。于接种后第1、3、6和9天(dpi)分离PBMC。提取总RNA并进行微阵列分析。数据显示,感染后共有847个基因表达发生改变,其中467个基因功能已知,其余380个基因功能未知;541个基因上调,306个基因下调。在1、3、6和9 dpi分别出现54、181、438和354个上调基因以及61、120、218和145个下调基因。
这些基因涉及免疫反应(14.5%)、细胞凋亡(3.3%)、信号转导(7.6%)、转录(4.4%)、代谢(11%)、运输(3.9%)、发育(6.8%)和细胞周期(3.7%)。结果表明,该方法在探索CSFV致病机制方面具有实用性。
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。




