人naïve-like T滤泡调节细胞分化及重症感染中紊乱的转录组数据
该数据集来自NCBI GEO,包含人naïve-like T滤泡调节细胞(nTfr)的转录组表达谱数据,采用高通量测序技术

基本信息
资源简介
人naïve-like T滤泡调节细胞分化及重症感染中紊乱的转录组数据
Human naïve-like T follicular regulatory cells are primed for differentiation into mature Tfr and disrupted during severe infections.
该数据集来自NCBI GEO,包含人naïve-like T滤泡调节细胞(nTfr)的转录组表达谱数据,采用高通量测序技术。数据覆盖nTfr在体外扩增与刺激后的转录特征,可用于研究nTfr向成熟Tfr分化的分子机制、其与nTreg的转录相似性,以及重症感染中nTfr的紊乱变化。数据集含1个文件,适合免疫学与感染性疾病相关表达分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 23 202。
【数据内容】
源站描述(机器翻译,仅供参考):调节性T细胞(Tregs)在维持免疫自身耐受和稳态中发挥关键作用。T滤泡调节细胞(Tfr)是表达趋化因子受体CXCR5的特定Treg群体,已知可调节抗体产生并防止自身抗体诱导。然而,Tfr形成的阶段仍未明确。在此我们发现,人外周血中30-50%的Tfr具有naïve-like表型(nTfr,CD45RA+CD45RO−Foxp3+CXCR5+)。nTfr可在体外扩增,同时保留抑制能力。nTfr在离体状态下转录上与nTreg相似,但刺激后,它们获得Tfr相关抑制分子(如IL1RA)的表达增加,表明它们已准备好完全分化为成熟Tfr。我们还发现nTfr具有增强的伤口愈合能力,表明该Treg亚群具有非经典功能。此外,我们证明
【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=GSE287876
【使用注意】
· 源站最后修改于 Nov 15 202,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=GSE287876
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
调节性T细胞(Tregs)在维持免疫自身耐受和稳态中发挥关键作用。滤泡调节性T细胞(Tfr)是表达趋化因子受体CXCR5的一种特定Treg群体,已知可调节抗体产生并防止自身抗体的诱导。然而,Tfr形成的阶段仍未明确。本研究发现,人外周血中30-50%的Tfr具有初始样表型(nTfr,CD45RA+CD45RO−Foxp3+CXCR5+)。nTfr可在体外扩增,同时保留抑制能力。nTfr在离体状态下转录谱与nTreg相似,但刺激后其Tfr相关抑制分子(如IL1RA)表达增加,提示其已准备好完全分化为成熟Tfr。我们还发现nTfr具有增强的伤口愈合能力,表明该Treg亚群具有非经典功能。此外,我们证明COVID-19和脓毒症患者血液中nTfr(而非nTreg)显著减少,且这种减少与抗干扰素-γ抗体增加相关。
综合来看,这些数据表明,在重症疾病期间,Tfr细胞在其形成的最早阶段即受到干扰,并可能成为未来疫苗研发中的重要治疗靶点。
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。




