饮食信号驱动的小肠T-bet表达Tr1细胞主导小肠免疫景观III
该数据集来自NCBI GEO,包含1个高通量测序表达谱文件,聚焦小肠固有层中表达T-bet的Tr1细胞群体。源站描述指出该IL-10分泌型CD4+T-bet+细胞在断奶时出现,不依赖常驻微生物群,无菌条件下积累、功能能力和TCR库相似,并响应饮食信号

基本信息
资源简介
饮食信号驱动的小肠T-bet表达Tr1细胞主导小肠免疫景观III
Gut resident T-bet expressing Tr1 cells driven by dietary signals dominate the small intestinal immune landscape III
该数据集来自NCBI GEO,包含1个高通量测序表达谱文件,聚焦小肠固有层中表达T-bet的Tr1细胞群体。源站描述指出该IL-10分泌型CD4+T-bet+细胞在断奶时出现,不依赖常驻微生物群,无菌条件下积累、功能能力和TCR库相似,并响应饮食信号。数据可用于研究饮食信号驱动的小肠免疫细胞表达特征及免疫稳态机制(来源 NCBI)。
【数据集背景】
源站首次发布:May 28 202。
【数据内容】
源站描述(机器翻译,仅供参考):肠道免疫提供对肠道病原体的防御,介导与常驻微生物群的共生关系,并提供对食物抗原的耐受性,保护该黏膜组织关键的营养吸收和屏障功能。尽管组织驻留活化T细胞数量丰富,但T细胞免疫如何贡献于这些不同作用仍知之甚少。在这里,我们描述了稳态下小肠固有层中一个先前未表征的优势表达T-bet的Tr1 T细胞群体。重要的是,这种分泌IL-10的CD4^+^T-bet^+^ T细胞群体在小肠断奶时出现,不依赖于常驻微生物群,在无菌条件下呈现相似的积累、功能能力和TCR库。相反,小肠T-bet^+^ Tr1 T细胞响应饮食信号驱动
【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:GPL32159、10090。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=GSE298386
【使用注意】
· 源站最后修改于 Aug 10 202,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=GSE298386
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
肠道免疫提供针对肠道病原体的防御,介导与常驻微生物群的共生关系,并对食物抗原提供耐受,从而保障该黏膜组织关键的营养吸收和屏障功能。尽管组织驻留的活化T细胞数量众多,但T细胞免疫如何参与这些多种作用仍知之甚少。在此,我们描述了稳态下存在于小肠固有层中的一群此前未被表征的、占主导地位的表达T-bet的Tr1 T细胞群体。重要的是,这一分泌IL-10的CD4^+^T-bet^+^ T细胞群体在断奶时出现于小肠,且不依赖于常驻微生物群,在无菌条件下表现出相似的积累、功能能力和TCR库。相反,小肠T-bet^+^ Tr1 T细胞响应饮食信号,驱动其积累、抑制性程序及克隆选择;并依赖于cDC1s、IL-27信号和T-bet,而不依赖IL-12。
总之,本研究揭示了一个此前未被充分认识的在肠道稳态免疫中起主导作用的因素,它可能在口服耐受膳食抗原过程中发挥关键的抑制作用,这对理解食物过敏和乳糜泻具有重要意义。
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。




