非人灵长类感染Lassa病毒后转录谱分析以理解免疫应答
该数据集来自NCBI GEO,标题为GSE41752,研究非人灵长类感染Lassa病毒后的转录谱,以理解免疫应答。数据基于全基因组微阵列,分析外周血单核细胞在感染过程中的时序宿主反应,包含1个文件GSE41752_series_matrix.txt.gz

基本信息
资源简介
非人灵长类感染Lassa病毒后转录谱分析以理解免疫应答
Transcriptional Profiling in Non-Human Primates Infected With Lassa Virus to Understand the Immune Response to Lassa Infection
该数据集来自NCBI GEO,标题为GSE41752,研究非人灵长类感染Lassa病毒后的转录谱,以理解免疫应答。数据基于全基因组微阵列,分析外周血单核细胞在感染过程中的时序宿主反应,包含1个文件GSE41752_series_matrix.txt.gz。可用于探索Lassa病毒感染相关的免疫机制、干扰素应答基因和Toll样受体信号通路的动态变化,以及宿主对病毒感染的易感性和抗性遗传决定因素(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 22 201。
【数据内容】
源站描述(机器翻译,仅供参考):Lassa热病毒(LASV)是一种重要的人类病原体,在西非多个国家流行。感染Lassa会导致大量公共卫生病例出现出血热,并被视为潜在的生物武器。关于控制LASV感染应答的复杂免疫机制,或感染易感性和抗性的遗传决定因素,目前所知甚少。在本研究中,我们使用全基因组微阵列方法,确定感染LASV的非人灵长类(NHP)外周血单核细胞中对感染的时序宿主反应。在整个疾病过程中的连续采样显示,存在对LASV感染免疫反应的特异性转录特征,包括干扰素应答基因和toll样受体si的快速上调。
【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、GPL4133、9541。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=GSE41752
【使用注意】
· 源站最后修改于 Jul 31 201,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=GSE41752
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
拉沙热病毒(LASV)是一种重要的人类病原体,在西非多个国家呈地方性流行。拉沙热感染在大量公共卫生病例中会导致出血热的发生,并且被视为一种潜在的生物武器。目前,对于调控LASV感染应答的复杂免疫机制,以及感染易感性和抵抗力的遗传决定因素,人们知之甚少。在本研究中,我们采用基于全基因组微阵列的方法,测定了感染LASV的非人灵长类(NHP)外周血单核细胞中宿主对感染的时间性应答。在整个疾病过程中的序贯采样显示,对LASV感染的免疫应答存在特定的转录特征,包括干扰素应答基因和Toll样受体信号通路的快速上调。然而,这种早期先天应答的增强伴随着LASV感染NHP中促炎细胞因子应答的缺失。IL1b和IL23a等细胞因子明显缺乏,而IL27和IL6等免疫抑制性细胞因子则上调。
比较拉沙病毒感染的NHP中细胞因子基因表达与可检测蛋白量发现,基因表达先于蛋白检测,因此可能是该疾病早期诊断的更佳工具。我们的研究结果全面展示了针对出血性拉沙病毒感染的免疫应答情况,并为通过分析宿主反应来实现拉沙病毒感染的临床诊断的生物标志物鉴定奠定了基础。
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。




