Idelalisib与肺炎链球菌感染诱导小鼠精密肺切片转录组差异
该数据集来自 NCBI GEO（GSE181259），对小鼠精密肺切片在 Idelalisib 处理及人肺病原体肺炎链球菌感染条件下的 RNAseq 转录组进行表达谱分析，包含 1 个文件（GSE181259_series_matrix.txt.gz）
基本信息
资源简介
Idelalisib与肺炎链球菌感染诱导小鼠精密肺切片转录组差异
Idelalisib and pneumococcal infection induce distinct transcriptional responses in mouse precision-cut lung slices
该数据集来自 NCBI GEO（GSE181259），对小鼠精密肺切片在 Idelalisib 处理及人肺病原体肺炎链球菌感染条件下的 RNAseq 转录组进行表达谱分析，包含 1 个文件（GSE181259_series_matrix.txt.gz）。数据覆盖转录调控、免疫与炎症、细胞增殖与凋亡、激酶信号、代谢及细胞外基质重塑等相关基因的表达变化，可用于区分 Idelalisib 处理与肺炎链球菌感染诱导的转录响应特征，并预测候选药物对宿主防御的免疫调节影响（来源 NCBI）。
【数据集背景】
源站首次发布：Jul 31 202。
【数据内容】
源站描述（机器翻译，仅供参考）：Idelalisib 在慢性淋巴细胞白血病和滤泡性淋巴瘤的治疗中具有优异活性，但在临床上会诱发严重的微生物性肺炎。为理解 Idelalisib 诱导感染风险的机制，我们对经 Idelalisib 处理、且在不加和加入人肺病原体肺炎链球菌条件下的小鼠精密肺切片进行了 RNAseq 分析。RNAseq 转录组谱分析鉴定出小鼠肺切片对 Idelalisib 处理和肺炎链球菌感染的 distinct 响应特征。对转录调控、免疫与炎症、细胞增殖与凋亡、激酶信号、代谢以及细胞外基质重塑至关重要的基因表达受到 Idelalisib 的显著调节。本研究为预测候选药物对宿主防御的免疫调节影响提供了新见解。
【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：肿瘤/白血病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE181259
【使用注意】
· 源站最后修改于 Sep 18 202，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=GSE181259
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
Idelalisib在慢性淋巴细胞白血病和滤泡性淋巴瘤的治疗中具有优异的活性，但在临床上会诱发严重的微生物性肺炎。为理解Idelalisib诱导感染风险的机制，我们对经Idelalisib处理（分别在不含和含有人肺病原体肺炎链球菌的条件下）的小鼠精密切片肺组织进行了RNAseq分析。RNAseq转录组谱分析鉴定出小鼠肺切片对Idelalisib处理和肺炎球菌感染应答的独特反应特征。Idelalisib显著调节了对转录调控、免疫与炎症、细胞增殖与凋亡、激酶信号传导、代谢以及细胞外基质重塑至关重要的基因表达。本研究为预测候选药物对宿主防御的免疫调节影响提供了新的见解，从而有助于改善新型人类呼吸系统疾病药物的安全性评估。
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。
