大鼠、小鼠与人类肺泡巨噬细胞对颗粒过载反应的比较[human]
该数据集来自 NCBI GEO(GSE273470),聚焦大鼠、小鼠与人类肺泡巨噬细胞在体外暴露于二氧化钛或炭黑颗粒过载后的转录组反应
![GSE273470: Comparison of the responses of alveolar macrophages from rats, mice and humans following particle overload [human]](/medical-api/medicalDataset/datasetCover/141659.jpg)
基本信息
资源简介
大鼠、小鼠与人类肺泡巨噬细胞对颗粒过载反应的比较[human]
Comparison of the responses of alveolar macrophages from rats, mice and humans following particle overload [human]
该数据集来自 NCBI GEO(GSE273470),聚焦大鼠、小鼠与人类肺泡巨噬细胞在体外暴露于二氧化钛或炭黑颗粒过载后的转录组反应。研究通过 RNAseq 分析激活谱,旨在评估大鼠对难溶性低毒性颗粒过载的不良反应是否可外推至人类。数据包含 1 个文件,可用于比较三物种巨噬细胞的转录组特征,识别大鼠特异或人类相关的颗粒过载响应信号,为颗粒物暴露相关的肺部毒性及肺癌风险评估提供参考(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):长期吸入高暴露水平下的难溶性低毒性颗粒(如二氧化钛或炭黑),导致肺泡巨噬细胞中的颗粒过载,可在大鼠中诱导慢性炎症和肺癌,但在小鼠中不会。这种大鼠不良反应是否可预测人类,40 多年来仍未解决。为了阐明大鼠对颗粒过载不良反应与人类的相关性,将原代大鼠、小鼠和人类肺泡巨噬细胞在体外暴露于二氧化钛或炭黑颗粒过载,并通过 RNAseq 分析其激活谱。我们在此报告了大鼠肺泡巨噬细胞体外难溶性低毒性颗粒过载的稳健转录组特征,该特征在小鼠巨噬细胞中未观察到。在人类巨噬细胞中记录到类似但明显较低的反应。
【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:GPL24676、9606。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE273470
【使用注意】
· 源站最后修改于 Apr 30 202,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=GSE273470
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
吸入难溶性低毒性颗粒(如二氧化钛或炭黑)在高暴露水平下导致肺泡巨噬细胞颗粒过载,可在大鼠中诱发慢性炎症和肺癌,但在小鼠中不会。这种大鼠不良反应用于预测人类的相关性,40多年来仍未确定。为阐明大鼠对颗粒过载不良反应与人类的相关性,我们将原代大鼠、小鼠和人肺泡巨噬细胞在体外暴露于二氧化钛或炭黑颗粒过载,并通过RNAseq分析其激活谱。我们在此报告了大鼠肺泡巨噬细胞体外难溶性低毒性颗粒过载的稳健转录组特征,该特征在小鼠巨噬细胞中未观察到。在人类巨噬细胞中记录到类似但明显较弱的反应。
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。




