多微生物脓毒症中血脑屏障退化与海马基因表达:内皮MyD88与迷走神经评估数据
该数据集来自 Dryad,对应一项关于多微生物脓毒症的研究,聚焦血脑屏障通透性改变与海马转录反应,并评估脑微血管内皮细胞 MyD88 依赖激活及迷走神经信号在其中的作用

基本信息
资源简介
多微生物脓毒症中血脑屏障退化与海马基因表达:内皮MyD88与迷走神经评估数据
Data from: Blood-brain barrier deterioration and hippocampal gene expression in polymicrobial sepsis: an evaluation of endothelial MyD88 and the vagus nerve
该数据集来自 Dryad,对应一项关于多微生物脓毒症的研究,聚焦血脑屏障通透性改变与海马转录反应,并评估脑微血管内皮细胞 MyD88 依赖激活及迷走神经信号在其中的作用。数据覆盖脓毒症对中枢神经系统影响的生理机制,可用于探索全身感染后神经炎症、血脑屏障完整性与海马基因表达变化之间的关系,以及脓毒症幸存者长期神经认知衰退的潜在机制(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2016。
【数据内容】
源站描述(机器翻译,仅供参考):全身感染即使没有细菌明显侵入中枢神经系统(CNS),也可能引发或加重中枢神经系统病理。近期流行病学研究显示,人类脓毒症幸存者发生长期神经认知衰退的风险增加。因此,需要更好地理解急性脓毒症影响中枢神经系统的生理机制。特别是,脑微血管内皮细胞的 MyD88 依赖性激活以及由此导致的血脑屏障完整性丧失,被认为在全身炎症对中枢神经系统的影响中发挥重要作用。通过迷走神经的信号传导也被认为是中枢神经系统对全身感染反应的重要组成部分。在此,我们证明,在多微生物脓毒症期间,血脑屏障通透性增加和海马转录反应
【主题与分类】
主题标签:Blood-brain barrier、vagus nerve、neuroinflammation、Sepsis。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.7c30v
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.7c30v
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:
数据集大小约 312.5 MB。
数据说明
系统性感染即使在没有细菌明显侵入中枢神经系统(CNS)的情况下,也能引发或加剧CNS病理。近期的流行病学研究表明,脓毒症存活者面临长期神经认知衰退的风险增加。因此,有必要更深入地理解急性脓毒症影响CNS的生理机制。特别是,脑微血管内皮细胞中MyD88依赖性激活及随之出现的血脑屏障完整性丧失,被认为在系统性炎症对CNS的影响中扮演重要角色。迷走神经信号传导也被视为CNS对系统性感染反应的重要组成部分。本研究表明,在多微生物脓毒症期间,即使脑血管内皮细胞中缺乏MyD88依赖性信号传导,血脑屏障通透性增加和海马转录反应仍会发生。我们进一步证明,这些转录反应可以在没有迷走神经输入的情况下发生。这些结果表明,在脓毒症中,CNS的反应是由冗余信号介导的。
内皮或迷走神经的激活可能各自足以将全身性炎症传递至中枢神经系统。在脓毒症中,前脑的转录激活可能是由非MyD88依赖的内皮机制或非迷走神经元的途径介导的。
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。




