FtH LysM-/-与FtH fl/fl小鼠假手术或CLP术后血液白细胞转录组分析
该数据集来自 NCBI GEO(GSE114078),包含 FtH LysM-/- 与 FtH fl/fl 小鼠在假手术或 CLP 术后血液白细胞的转录组表达谱数据,采用高通量测序,平台为 GPL19057,物种为小鼠(10090),共 1 个文件

基本信息
资源简介
FtH LysM-/-与FtH fl/fl小鼠假手术或CLP术后血液白细胞转录组分析
Transcriptome profiling of blood leukocytes from FtH LysM-/- and FtH fl/fl mice following sham or CLP surgery
该数据集来自 NCBI GEO(GSE114078),包含 FtH LysM-/- 与 FtH fl/fl 小鼠在假手术或 CLP 术后血液白细胞的转录组表达谱数据,采用高通量测序,平台为 GPL19057,物种为小鼠(10090),共 1 个文件。数据可用于比较不同基因型与手术条件下血液白细胞的基因表达差异,研究髓系 FtH 在脓毒症致病后遗症调控中的作用,并支持脓毒症耐受相关分子机制的探索(来源 NCBI)。
【数据集背景】
源站首次发布:May 06 201。
【数据内容】
源站描述(机器翻译,仅供参考):尽管脓毒症的临床并发症普遍存在且其有害影响已被认识,但仍是一个重大挑战。在此,我们研究了髓系铁蛋白重链(FtH)在调节脓毒症致病后遗症中的作用。我们证明,髓系 FtH 缺失导致对脓毒症的耐受,表现为血清细胞因子水平降低、多器官功能障碍和随后的死亡率下降。我们发现,这种耐受主要由髓系 FtH 缺失时循环铁蛋白(铁蛋白轻链;FtL)的代偿性增加所介导。我们的体外和体内研究表明,预先暴露于铁蛋白通过抑制否则会失调的感染反应,为脓毒症过程提供显著耐受。这些发现由铁蛋白对 NF-κB 激活及其下游效应的抑制作用所介导。
【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:GPL19057、10090。本站分类:感染性疾病/脓毒症。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE114078
【使用注意】
· 源站最后修改于 Mar 25 201,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=GSE114078
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
尽管脓毒的危害已被广泛认识和重视,但其临床并发症仍是一大难题。本研究探讨了髓系铁蛋白重链(FtH)在调控脓毒致病后遗症中的作用。我们证明,敲除髓系FtH可导致对脓毒的耐受,表现为血清细胞因子水平降低、多器官功能障碍减轻及后续死亡率下降。我们发现,这种耐受主要由髓系FtH缺失时循环铁蛋白(铁蛋白轻链;FtL)的代偿性增加所介导。我们的体外和体内研究表明,预先暴露于铁蛋白可通过抑制原本失调的感染反应,为脓毒过程提供显著的耐受性。这些发现由铁蛋白对NF-κB活化及其下游效应的抑制作用所介导。综上所述,我们的发现提示循环铁蛋白具有重要的免疫调节功能,并加深了对这一急性期反应物的理解。
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。




