GSE25945:离体转录谱揭示铜绿假单胞菌适应慢性感染宿主部位的共同关键基因集
该数据集来自 NCBI GEO(GSE25945),包含 1 个文件 GSE25945_series_matrix.txt.gz,基于 GPL84 芯片平台对铜绿假单胞菌在慢性感染宿主部位(囊性纤维化患者肺、烧伤创面、小鼠皮下肿瘤)的离体转录谱进行表达谱分析

基本信息
资源简介
GSE25945:离体转录谱揭示铜绿假单胞菌适应慢性感染宿主部位的共同关键基因集
Ex vivo transcriptional profiling reveals a common set of genes important for the adaptation of Pseudomonas aeruginosa to chronically infected host sites
该数据集来自 NCBI GEO(GSE25945),包含 1 个文件 GSE25945_series_matrix.txt.gz,基于 GPL84 芯片平台对铜绿假单胞菌在慢性感染宿主部位(囊性纤维化患者肺、烧伤创面、小鼠皮下肿瘤)的离体转录谱进行表达谱分析。研究旨在识别生物膜感染中高表达的基因,并评估这些基因失活对体外生物膜形成及小鼠模型宿主定植的影响。数据可用于比较不同感染部位的基因表达模式、筛选适应相关基因及研究生物膜感染机制(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 09 201。
【数据内容】
源站描述(机器翻译,仅供参考):机会性致病菌铜绿假单胞菌是引起严重急性和慢性持续性感染的主要院内病原体。在感染过程中,铜绿假单胞菌迅速适应宿主内的特定条件。在本研究中,我们旨在鉴定在生物膜感染期间高表达的基因,例如囊性纤维化(CF)患者慢性感染肺、烧伤创面和小鼠皮下肿瘤中的生物膜感染。我们在所有三种体内栖息地中发现了一组共同差异调控基因,并评估了它们的失活是否影响细菌在体外形成生物膜以及在鼠模型中建立生物膜相关感染的能力。通过联合失活几个高表达基因,发现了对生物膜形成和宿主定植的累加效应。然而,ev
【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、GPL84、287。本站分类:肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE25945
【使用注意】
· 源站最后修改于 Jul 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=GSE25945
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
机会性致病菌铜绿假单胞菌是主要的医院获得性病原体,可引起严重的急性和慢性持续性感染。在感染过程中,铜绿假单胞菌迅速适应宿主体内的特定条件。本研究旨在鉴定在生物膜感染期间高表达的基因,例如囊性纤维化(CF)患者慢性感染肺部、烧伤创面和小鼠皮下肿瘤中的生物膜感染。我们在所有三种体内生境中发现了差异调控基因的共同子集,并评估了其失活是否影响细菌在体外形成生物膜以及在鼠模型中建立生物膜相关感染的能力。通过联合失活几个高表达基因,发现了对生物膜形成和宿主定植的累加效应。然而,即使联合失活也不足以完全阻止感染的建立。
这些发现可被解读为证据,表明要么冗余特征编码了对体内存活和慢性生物膜感染至关重要的功能,和/或细菌适应性在很大程度上独立于转录水平而实现。为了确定建立慢性传染病所必需的最小关键基因集,将不得不应用补充筛选方法。
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。




