单细胞多组学揭示病毒感染中前体CD8 T细胞与滤泡辅助CD4 T细胞的共享调控程序
该数据集为一份新的单细胞多组学（scRNA-seq + scATAC-seq）数据，覆盖急性与慢性病毒感染下应答的CD4与CD8 T细胞
基本信息
资源简介
单细胞多组学揭示病毒感染中前体CD8 T细胞与滤泡辅助CD4 T细胞的共享调控程序
Single-cell multiomics reveals a shared regulatory program in progenitor CD8 T cells and follicular helper CD4 T cell during viral infection
该数据集为一份新的单细胞多组学（scRNA-seq + scATAC-seq）数据，覆盖急性与慢性病毒感染下应答的CD4与CD8 T细胞。通过整合285个已发表bulk ATAC-seq数据集，可识别naive、memory、effector、Tfh、regulatory、exhausted及progenitor等主要T细胞状态。原型分析揭示了由不同转录因子驱动、跨多个T细胞亚群发挥作用的调控程序，为解析T细胞调控机制提供通用框架与资源（来源 NCBI）。
【数据集背景】
源站首次发布：Jun 27 202。
【数据内容】
源站描述（机器翻译，仅供参考）：我们生成了一个全新的单细胞多组学（scRNA-seq + scATAC-seq）数据集，涵盖响应急性和慢性病毒感染的CD4和CD8 T细胞。为探索不同T细胞群体可能共享的潜在调控功能，我们针对响应急性和慢性病毒感染的CD4和CD8 T细胞生成了新的单细胞多组学（scRNA-seq + scATAC-seq）数据。通过将该新数据集与包含285个已发表bulk ATAC-seq数据集的汇编整合，我们得以在两种感染背景下识别所有主要T细胞状态，包括naive、memory、effector、滤泡辅助（Tfh）、regulatory、exhausted和progenitor群体。原型分析揭示了由不同转录因子驱动、跨多个T细胞亚群发挥作用的调控程序。我们的工作为剖析提供了广泛适用的框架和有价值的资源
【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：GPL24247、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=GSE300984
【使用注意】
· 源站最后修改于 Sep 21 202，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=GSE300984
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
我们生成了一个全新的单细胞多组学（scRNA-seq + scATAC-seq）数据集，涵盖了对急性和慢性病毒感染作出反应的CD4和CD8 T细胞。为了探索不同T细胞群体可能共有的潜在调控功能，我们针对响应急性和慢性病毒感染的CD4和CD8 T细胞，生成了一个新的单细胞多组学（scRNA-seq + scATAC-seq）数据。通过将这个新数据集与包含285个已发表的批量ATAC-seq数据集的汇编整合，我们得以在两种感染背景下识别出所有主要的T细胞状态，包括初始、记忆、效应、滤泡辅助（Tfh）、调节性、耗竭及祖细胞群体。原型分析揭示了由不同转录因子驱动、作用于多种T细胞亚群的调控程序。我们的工作提供了一个广泛适用的框架和宝贵的资源，用于剖析适应性免疫应答中的转录控制机制。
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。
