GSE6475:痤疮皮损与正常皮肤及非痤疮患者正常皮肤样本
该数据集来自 NCBI GEO(GSE6475),包含痤疮患者炎症性丘疹皮损与正常皮肤的活检样本,以及无痤疮受试者的正常皮肤样本,共涉及 6 名痤疮患者和 6 名无痤疮受试者

基本信息
资源简介
GSE6475:痤疮皮损与正常皮肤及非痤疮患者正常皮肤样本
Acne lesion vs. normal skin. Also includes non-acne patients' normal skin samples.
该数据集来自 NCBI GEO(GSE6475),包含痤疮患者炎症性丘疹皮损与正常皮肤的活检样本,以及无痤疮受试者的正常皮肤样本,共涉及 6 名痤疮患者和 6 名无痤疮受试者。使用 Affymetrix HG-U133A 2.0 芯片进行基因表达谱分析,比较痤疮患者皮损与非皮损皮肤,以及痤疮患者非皮损皮肤与正常受试者皮肤。数据可用于研究炎症性痤疮相关基因表达变化及通路分析(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 07 200。
【数据内容】
源站描述(机器翻译,仅供参考):痤疮的发病机制与多种因素有关,如皮脂分泌增加、炎症、毛囊角化过度以及毛囊内 Propionibacterium acnes 的作用。为了解参与炎症性痤疮的具体基因,我们对痤疮患者进行了基因表达谱分析。从 6 名痤疮患者的炎症性丘疹和正常皮肤获取皮肤活检样本,同时也从 6 名无痤疮受试者的正常皮肤获取活检样本。使用 Affymetrix HG-U133A 2.0 芯片进行基因芯片表达谱分析,比较痤疮患者皮损与非皮损皮肤,并比较痤疮患者非皮损皮肤与正常受试者皮肤。在痤疮患者中,与皮损皮肤相比,非皮损皮肤中有 211 个基因在皮损皮肤中上调。这些基因中相当一部分参与通路
【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、GPL571、9606。本站分类:感染性疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE6475
【使用注意】
· 源站最后修改于 Dec 06 201,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=GSE6475
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
痤疮的发病机制与多种因素有关,如皮脂分泌增加、炎症、毛囊角化过度以及毛囊内痤疮丙酸杆菌的作用。为了解炎症性痤疮涉及的具体基因,我们对痤疮患者进行了基因表达谱分析。从6例痤疮患者的炎症性丘疹和正常皮肤获取皮肤活检标本,另从6名无痤疮受试者的正常皮肤获取活检标本。使用Affymetrix HG-U133A 2.0芯片进行基因芯片表达谱分析,比较痤疮患者皮损与非皮损皮肤,并将痤疮患者的非皮损皮肤与正常受试者的皮肤进行比较。在痤疮患者中,皮损皮肤相较于非皮损皮肤有211个基因表达上调。这些基因中相当一部分参与调节炎症和细胞外基质重塑的通路,包括基质金属蛋白酶1和3、IL-8、人β-防御素4和颗粒酶B。这些数据表明基质金属蛋白酶、炎症细胞因子和抗菌肽在痤疮皮损中发挥重要作用。
这些研究首次描述了炎症性痤疮皮损中基因表达的全面变化,对于识别炎症性痤疮的潜在治疗靶点具有重要价值。关键词:痤疮皮损,正常皮肤
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。




