5B8抗体或IgG2b对照处理纤维蛋白刺激巨噬细胞的表达数据
该数据集来自NCBI GEO,包含纤维蛋白刺激的巨噬细胞经5B8抗体或IgG2b对照处理后的基因表达谱数据,使用GPL6246平台检测小鼠样本

基本信息
资源简介
5B8抗体或IgG2b对照处理纤维蛋白刺激巨噬细胞的表达数据
Expression data from fibrin-stimulated macrophages treated with 5B8 antibody or IgG2b control
该数据集来自NCBI GEO,包含纤维蛋白刺激的巨噬细胞经5B8抗体或IgG2b对照处理后的基因表达谱数据,使用GPL6246平台检测小鼠样本。数据可用于研究5B8抗体对纤维蛋白诱导的炎症基因表达、NADPH氧化酶激活及氧化应激的抑制作用,并探索纤维蛋白作为多发性硬化与阿尔茨海默病治疗靶点的潜力(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 22 201。
【数据内容】
源站描述(机器翻译,仅供参考):先天免疫的激活和血源性纤维蛋白在中枢神经系统(CNS)中的沉积发生于自身免疫性和神经退行性疾病,包括多发性硬化(MS)和阿尔茨海默病(AD)。然而,连接血脑屏障(BBB)破坏与神经退行性变的机制尚不清楚,且由于纤维蛋白具有有益的凝血功能,将其作为治疗靶点的探索受到限制。在此,我们报告了针对隐蔽纤维蛋白表位γ377-395的单克隆抗体5B8的制备,该抗体选择性抑制纤维蛋白诱导的炎症。5B8抑制了纤维蛋白诱导的促炎基因表达、烟酰胺腺嘌呤二核苷酸磷酸(NADPH)氧化酶激活和氧化应激。在MS和AD动物模型中,5B8进入CNS并与实质纤维蛋白结合,其治疗性给药减少了先天免疫活
【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、GPL6246、10090。本站分类:神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE118921
【使用注意】
· 源站最后修改于 Mar 04 201,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=GSE118921
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
先天免疫的激活以及血液来源纤维蛋白在中枢神经系统(CNS)中的沉积,发生于自身免疫性和神经退行性疾病,包括多发性硬化症(MS)和阿尔茨海默病(AD)。然而,血脑屏障(BBB)破坏与神经退行性变之间的联系机制尚不清楚,且由于纤维蛋白具有有益的凝血功能,将其作为治疗靶点的探索一直受限。在此,我们报道了针对隐蔽纤维蛋白表位γ377-395的单克隆抗体5B8的制备,以选择性抑制纤维蛋白诱导的炎症。5B8抑制了纤维蛋白诱导的促炎基因表达、烟酰胺腺嘌呤二核苷酸磷酸(NADPH)氧化酶激活及氧化应激。在MS和AD动物模型中,5B8进入CNS并结合于实质纤维蛋白,其治疗性给药减少了先天免疫激活和神经退行性变,而不干扰凝血过程。因此,靶向纤维蛋白的免疫疗法可抑制自身免疫性和淀粉样蛋白驱动的神经毒性,并可能在多种神经系统疾病中具有临床益处,而不会全局性抑制先天免疫或干扰凝血。
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。




