GSE285325:单细胞RNA测序分析鉴定淋巴液图谱并揭示脓毒症相关T细胞亚群
该数据集来自NCBI GEO,包含大鼠淋巴液单细胞RNA测序数据,用于构建免疫细胞图谱并鉴定脓毒症早期特有的CD4+Icos+ T细胞亚群

基本信息
资源简介
GSE285325:单细胞RNA测序分析鉴定淋巴液图谱并揭示脓毒症相关T细胞亚群
Single-cell RNA-seq analysis identifies the atlas of lymph fluid and reveal a sepsis-related T cell subset
该数据集来自NCBI GEO,包含大鼠淋巴液单细胞RNA测序数据,用于构建免疫细胞图谱并鉴定脓毒症早期特有的CD4+Icos+ T细胞亚群。研究证实该亚群在Treg细胞生成中起关键作用,过继转移可减轻CLP诱导的器官损伤,而Icosfl/flCd4-CreERT2小鼠Treg减少、炎症和死亡风险增加。进一步筛选验证发现Npas2是调控Icos表达并促进CD4+Icos+ T细胞分化的特异性转录因子。临床结果提示CD4+ T细胞中ICOS表达与脓毒症SOFA评分负相关。数据可用于免疫细胞分型、脓毒症机制及T细胞分化研究(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):淋巴循环作为免疫应答的哨兵,其在脓毒症期间的细胞亚型、免疫特性及功能仍不清楚。本研究通过单细胞RNA测序描述了大鼠淋巴液中免疫细胞的全面图景,并鉴定了脓毒症早期一种独特的CD4+ T细胞亚群(CD4_Icos),证实其在Treg细胞生成中的关键作用。过继转移CD4+Icos+ T细胞可显著减轻CLP诱导的器官损伤,而Icosfl/flCd4-CreERT2小鼠显示Treg数量减少、炎症和死亡风险增加。进一步的筛选和验证实验鉴定出Npas2是调控Icos表达并促进CD4+Icos+ T细胞分化的Icos特异性转录因子。临床结果显示CD4+ T细胞中ICOS的表达与脓毒症SOFA评分呈负相关。
【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:GPL25947、10116。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=GSE285325
【使用注意】
· 源站最后修改于 Sep 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=GSE285325
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
淋巴循环作为免疫应答的哨兵,其在脓毒症期间的细胞亚型、免疫特性及功能仍不明确。本研究通过单细胞RNA测序全面描绘了大鼠淋巴液中免疫细胞的图景,并鉴定出脓毒症早期一种独特的CD4+ T细胞亚群(CD4_Icos),证实其在Treg细胞生成中的关键作用。过继转移CD4+Icos+ T细胞可显著减轻CLP诱导的器官损伤,而Icosfl/flCd4-CreERT2小鼠则表现为Treg数量减少、炎症加重及死亡风险升高。进一步的筛选与验证实验确定Npas2为Icos特异性转录因子,其调控Icos表达并促进CD4+Icos+ T细胞的分化。临床结果揭示了脓毒症患者CD4+ T细胞中ICOS的表达与SOFA评分呈负相关,并影响脓毒症患者的预后。这些发现表明CD4+ T细胞在脓毒症中具有保护作用。
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。




