宿主遗传多样性促成实验性埃博拉出血热发病机制
该数据集来自 NCBI GEO(GSE57214),包含 1 个表达谱芯片数据文件,主题为宿主遗传多样性对实验性埃博拉出血热发病机制的影响

基本信息
资源简介
宿主遗传多样性促成实验性埃博拉出血热发病机制
Host genetic diversity enables experimental Ebola hemorrhagic fever pathogenesis
该数据集来自 NCBI GEO(GSE57214),包含 1 个表达谱芯片数据文件,主题为宿主遗传多样性对实验性埃博拉出血热发病机制的影响。源站描述指出,扎伊尔埃博拉病毒致死率高,现有小鼠模型无法重现出血热典型症状,限制了致病机制研究与对策评估。该数据可用于分析不同宿主遗传背景下的基因表达差异,探索感染宿主反应与严重埃博拉出血热疾病的关系(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 30 201。
【数据内容】
源站描述(机器翻译,仅供参考):扎伊尔埃博拉病毒(ZEBOV)是已知最致命的人类病原体之一,可引起严重出血热,病死率高达70-90%。ZEBOV缺乏有效疫苗或治疗方法,使其成为重大的全球生物防御威胁,西非当前爆发的高致死性新型ZEBOV变异株疫情即为明证。现有的致死性ZEBOV感染小鼠模型不能重现埃博拉出血热(EHF)的标志性症状,包括凝血时间延长、急性肝炎、弥散性血管内凝血(DIC)和出血性休克死亡,因此致病机制研究仅限于非人灵长类(NHP)。这阻碍了在疫情场景中快速评估对策,也妨碍了全面理解宿主对感染的反应如何导致严重EHF疾病。此处我们展示
【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、GPL17400、10090。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE57214
【使用注意】
· 源站最后修改于 Mar 08 201,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=GSE57214
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
扎伊尔埃博拉病毒(ZEBOV)是已知最致命的人类病原体之一,可引起严重的出血热,病死率高达70-90%。由于缺乏有效的疫苗或治疗方法,ZEBOV被视为重大的全球生物防御威胁,当前西非爆发的高致死性新型ZEBOV变异株疫情便是有力证明。现有的致死性ZEBOV感染小鼠模型无法重现埃博拉出血热(EHF)的标志性症状,包括血液凝固时间延长、急性肝炎、弥散性血管内凝血(DIC)以及出血性休克导致的死亡,因此致病机制研究仅限于非人灵长类动物(NHP)。这阻碍了在疫情爆发场景下快速评估应对措施,也妨碍了全面理解宿主对感染的反应如何促成严重EHF疾病。在此,我们证明,来自协作交叉(CC)的小鼠——一组可重复、重组近交系动物,涵盖三个小鼠亚种的遗传广度——在ZEBOV感染后对一系列疾病表型易感。
与C57Bl6/J小鼠不同——后者会发展为致死性疾病但无EHF症状——CC重组近交杂交(CC-RIX)品系或表现为对致死性疾病的完全抵抗,或表现为以凝血时间延长和100%死亡率为特征的严重EHF。疾病抵抗与存活不依赖于病毒嗜性,因为抵抗品系和EHF易感品系在靶器官中均表现出相似的炎症和细胞病变效应。转录组学揭示了潜在机制:一方面,IL-6和血管激活介导EHF中严重出血的诱导;另一方面,通过诱导淋巴细胞分化和细胞黏附实现对致死性感染的抵抗。这些数据表明,特定于独特遗传背景的宿主反应决定了出血综合征的易感性,且独立于病毒复制。CC代表
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。




