自噬受体SHISA9调控脑胶质细胞抗病毒免疫异质性与CNS炎症
该数据集来自NCBI GEO,标题为GSE216271,聚焦自噬受体SHISA9在脑胶质细胞抗病毒免疫异质性与中枢神经系统炎症中的作用

基本信息
资源简介
自噬受体SHISA9调控脑胶质细胞抗病毒免疫异质性与CNS炎症
Autophagy receptor SHISA9 orchestrates antiviral immune heterogeneity of brain glia cells and CNS inflammation
该数据集来自NCBI GEO,标题为GSE216271,聚焦自噬受体SHISA9在脑胶质细胞抗病毒免疫异质性与中枢神经系统炎症中的作用。数据包含1个文件GSE216271_series_matrix.txt.gz,采用高通量测序表达谱技术,物种为10090(小鼠),平台为GPL24247。可用于研究脑胶质细胞(小胶质细胞和星形胶质细胞)在CNS病毒感染早期的免疫响应异质性、自噬调控机制及相关神经炎症风险,为神经系统疾病研究提供表达谱资源(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):脑胶质细胞表现出高度异质性,这种异质性可改变其遗传景观和响应敏感性,从而实现对环境变化的适当反应以维持CNS稳态。然而,技术限制阻碍了对CNS驻留免疫细胞自我编排活动的研究。小胶质细胞和星形胶质细胞是CNS病毒感染早期的主要响应细胞。它们的激活不仅有助于招募外周免疫细胞以协助病毒清除,还增加了与许多神经退行性疾病相关的长期有害炎症损伤的风险。最佳的自噬活性对维持脑完整性至关重要,但脑胶质细胞中免疫活动的自噬调控仍知之甚少。在此,我们鉴定膜蛋白SHISA9作为一种自噬货物r
【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:GPL24247、10090。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=GSE216271
【使用注意】
· 源站最后修改于 Jan 17 202,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=GSE216271
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
脑胶质细胞具有高度异质性,可改变其基因图谱和反应敏感性,从而对环境变化作出适当反应,维持中枢神经系统稳态。然而,技术限制阻碍了对中枢神经系统驻留免疫细胞自我调控活动的研究。小胶质细胞和星形胶质细胞是中枢神经系统病毒感染早期的主要反应细胞。它们的激活不仅有助于招募外周免疫细胞以协助病毒清除,还增加了与多种神经退行性疾病相关的长期有害炎症损伤的风险。最佳的自噬活性对维持脑完整性至关重要,但脑胶质细胞中免疫活动的自噬调控仍知之甚少。在此,我们鉴定膜蛋白SHISA9作为一种自噬货物受体,可调节中枢神经系统感染期间的异质性免疫反应。通过10x单细胞RNA测序,我们鉴定出Shisa9表达增加、随后炎症转录程序表达降低的星形胶质细胞。
Shisa9在感染不同阶段对小胶质细胞和星形胶质细胞的抗病毒及炎症反应均具有时间性调控特征。Shisa9-/-小鼠对单纯疱疹病毒脑炎高度易感,伴有更高比例的致病性星形胶质细胞,这可能促进神经退行性病变进展,且与野生型小鼠相比表现出更严重的神经炎症症状。综上所述,我们的研究揭示了选择性自噬通过SHISA9-IKKi轴协调不同中枢神经系统驻留细胞免疫异质性的关键作用。
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。




