年轻囊性纤维化患者铜绿假单胞菌lasR突变体
该数据集来自NCBI GEO,标题为GSE5560,收录年轻囊性纤维化患者气道中铜绿假单胞菌lasR突变体的表达谱数据,采用芯片表达谱分析,平台为GPL4136,共1个文件

基本信息
资源简介
年轻囊性纤维化患者铜绿假单胞菌lasR突变体
Pseudomonas aeruginosa lasR mutants in young cystic fibrosis patients
该数据集来自NCBI GEO,标题为GSE5560,收录年轻囊性纤维化患者气道中铜绿假单胞菌lasR突变体的表达谱数据,采用芯片表达谱分析,平台为GPL4136,共1个文件。源站描述指出lasR突变在慢性感染早期及实验室LB琼脂培养中均可出现,突变体因氨基酸利用生长优势而被选择,并可通过菌落形态及自溶现象识别。该数据可用于研究lasR失活对铜绿假单胞菌基因表达、代谢与毒力调控的影响,以及慢性感染中的适应性进化(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 17 200。
【数据内容】
源站描述(机器翻译,仅供参考):铜绿假单胞菌在囊性纤维化(CF)患者气道的慢性感染过程中发生遗传改变。一种常见改变是lasR突变。LasR是一种转录调控因子,响应铜绿假单胞菌群体感应信号之一,调控急性毒力因子表达以及中心代谢功能。lasR失活的铜绿假单胞菌突变体在CF患者气道慢性感染早期出现,也在实验室Luria-Bertani琼脂上生长期间出现。这两种环境均富含氨基酸。这些分离株中lasR失活赋予利用氨基酸的生长优势,该表型可解释lasR突变体在体内和体外的选择。铜绿假单胞菌lasR突变体通过其独特菌落形态被鉴定,包括与4-羟基失衡相关的自溶。
【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、GPL4136、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=GSE5560
【使用注意】
· 源站最后修改于 Mar 16 201,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=GSE5560
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
铜绿假单胞菌在囊性纤维化(CF)患者气道的慢性感染过程中会发生遗传改变。一种常见的变化是lasR的突变。LasR是一种转录调节因子,它响应铜绿假单胞菌中的一种群体感应信号,并调节急性毒力因子的表达以及中枢代谢功能。lasR失活的铜绿假单胞菌突变体在CF患者气道慢性感染早期出现,并且在实验室Luria-Bertani琼脂上生长期间也会出现。这两种环境都富含氨基酸。在这些分离株中lasR的失活赋予了利用氨基酸的生长优势,这一表型可以解释lasR突变体在体内和体外的选择。铜绿假单胞菌lasR突变体通过其独特的菌落形态被鉴定出来,包括与4-羟基-2-烷基喹啉(HAQs)失衡相关的自溶现象,以及可能由一种此类HAQ积累引起的虹彩金属光泽。由于lasR失活导致的转录谱改变在来自多名年轻CF患者的分离株中是保守的。P。
铜绿假单胞菌lasR突变可能代表替代标记物,用以描绘CF气道疾病自然史的不同阶段,每个阶段具有不同的预后和治疗意义,类似于指导癌症治疗的标记物。与促进无限制生长的癌细胞突变相似,lasR突变可能通过更有效地利用可用氨基酸,促进CF气道中铜绿假单胞菌的无限制生长。关键词:疾病状态分析
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。




