重型COVID-19患者脑免疫反应图谱
该数据集来自NCBI GEO,包含5例重型COVID-19患者和4例对照的3个脑区(背外侧前额叶皮层、延髓和脉络丛)样本

基本信息
资源简介
重型COVID-19患者脑免疫反应图谱
The landscape of human brain immune response in patients with severe COVID-19
该数据集来自NCBI GEO,包含5例重型COVID-19患者和4例对照的3个脑区(背外侧前额叶皮层、延髓和脉络丛)样本。通过western blot检测病毒刺突蛋白、覆盖超过99% SARS-CoV-2基因组的病毒转录组分析,以及液滴式单核RNA测序(snRNA-seq),研究急性COVID-19中脑嗜性、神经炎症与宿主免疫反应的关系。数据可用于探索重型COVID-19对脑细胞转录的影响及病毒在中枢神经系统的存在情况(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):由严重急性呼吸综合征冠状病毒2(SARS-CoV-2)感染引起的2019冠状病毒病(COVID-19)已在许多个体中与神经和神经精神疾病相关。我们试图进一步了解急性COVID-19病例中脑嗜性、神经炎症与宿主免疫反应之间的关系。检查了5例重型COVID-19患者和4例对照的3个脑区(背外侧前额叶皮层、延髓和脉络丛)。通过针对病毒刺突蛋白的western blot以及覆盖>99% SARS-CoV-2基因组和所有潜在血清型的病毒转录组分析来评估病毒的存在。对相同样本进行基于液滴的单核RNA测序(snRNA-seq),以检查COVID-19对脑内单个细胞转录的影响。病毒刺突的定量
【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:GPL16791、9606。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE164485
【使用注意】
· 源站最后修改于 Jul 21 202,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=GSE164485
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
由严重急性呼吸综合征冠状病毒2型(SARS-CoV-2)感染引起的2019冠状病毒病(COVID-19)已在许多个体中与神经及神经精神疾病相关联。我们试图进一步加深对急性COVID-19病例中脑嗜性、神经炎症与宿主免疫反应之间关系的理解。本研究检查了5例重症COVID-19患者和4例对照者的3个脑区(背外侧前额叶皮层、延髓和脉络丛)。通过针对病毒刺突蛋白的蛋白质印迹法以及覆盖>99% SARS-CoV-2基因组和所有潜在血清型的病毒转录组分析来评估病毒的存在。在同一批样本中进行了基于液滴的单核RNA测序(snRNA-seq),以考察COVID-19对大脑单个细胞转录的影响。病毒刺突S1蛋白和病毒转录本的定量未能在死后脑组织中检测到SARS-CoV-2。
然而,对来自大脑三个不同区域的68,557个单核转录组的分析发现,COVID-19患者脉络丛中基质细胞、单核细胞和巨噬细胞的比例增加。此外,差异基因表达、伪时间轨迹和基因调控网络分析揭示了皮质小胶质细胞的转录变化,这些变化与一系列生物过程相关,包括细胞活化、移动性和吞噬作用。尽管在死亡时大脑中未检测到SARS-CoV-2,但这些发现表明急性COVID-19患者存在显著且持续的神经炎症。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




