CD83在小胶质细胞中的表达调控细胞活化并限制自身免疫性神经炎症
研究聚焦小胶质细胞中CD83的表达调控及其对自身免疫性神经炎症的影响,发现CD83不仅与细胞活化相关,还参与促消退功能,条件性敲除CD83会导致对小胶质细胞碎片响应异常,在自身免疫性神经炎症中呈现过度活化状态,并招募更多致病性免疫细胞

基本信息
资源简介
CD83在小胶质细胞中的表达调控细胞活化并限制自身免疫性神经炎症
Microglial expression of CD83 governs cellular activation and restrains autoimmune neuroinflammation
该数据集来自NCBI GEO(GSE230753),包含1个文件(GSE230753_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为小鼠(10090),平台为GPL24247。研究聚焦小胶质细胞中CD83的表达调控及其对自身免疫性神经炎症的影响,发现CD83不仅与细胞活化相关,还参与促消退功能,条件性敲除CD83会导致对小胶质细胞碎片响应异常,在自身免疫性神经炎症中呈现过度活化状态,并招募更多致病性免疫细胞。数据可用于研究小胶质细胞活化机制及神经炎症相关基因表达分析(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):神经炎症期间小胶质细胞的活化对于协调针对神经组织的免疫反应至关重要,小胶质细胞的初始反应决定了神经炎症性疾病的严重程度。CD83已在多种疾病背景下与小胶质细胞的早期活化相关联,但其对小胶质细胞生物学的功能相关性仍不清楚。因此,我们对小胶质细胞中CD83的调控及其对小胶质细胞介导的神经炎症的影响进行了全面评估。在此,我们首次描述小胶质细胞中CD83的表达不仅与细胞活化相关,还与促消退功能相关。条件性敲除CD83会导致对髓鞘碎片的响应异常,从而在自身免疫性神经炎症中导致过度活化状态。随后,CD83缺陷的小胶质细胞招募更多致病性免疫细胞
【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=GSE230753
【使用注意】
· 源站最后修改于 Sep 27 202,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=GSE230753
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
神经炎症期间的小胶质细胞激活对于协调针对神经组织的免疫反应至关重要,而小胶质细胞的初始反应决定了神经炎症性疾病的严重程度。CD83在多种疾病背景下与小胶质细胞的早期激活相关,尽管其对小胶质细胞生物学的功能相关性仍不明确。因此,我们对小胶质细胞中CD83的调控及其对小胶质细胞介导的神经炎症的影响进行了全面评估。在此,我们首次描述小胶质细胞中CD83的表达不仅与细胞激活相关,还与促消退功能相关。条件性敲除CD83会导致对髓鞘碎片的反应失常,从而在自身免疫性神经炎症中导致过度激活状态。随后,CD83缺陷的小胶质细胞招募更多致病性免疫细胞进入中枢神经系统并恶化消退机制,从而加剧疾病。因此,小胶质细胞中的CD83协调细胞激活,并 consequently 也协调神经炎症的消退。
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。




