结节性痒疹与银屑病及特应性皮炎的神经免疫基因特征比较
该数据集来自 NCBI GEO(GSE261704),比较结节性痒疹(PN)与银屑病、特应性皮炎(AD)及健康对照的神经免疫基因表达特征

基本信息
资源简介
结节性痒疹与银屑病及特应性皮炎的神经免疫基因特征比较
Neuroimmune gene signature of prurigo nodularis compared to psoriasis and atopic dermatitis
该数据集来自 NCBI GEO(GSE261704),比较结节性痒疹(PN)与银屑病、特应性皮炎(AD)及健康对照的神经免疫基因表达特征。研究对 25 例 PN、27 例 AD、15 例银屑病和 12 例健康对照的皮损与非皮损皮肤活检样本,使用 770 个基因的定制神经炎症 NanoString panel 进行转录组分析,识别差异表达基因。数据可用于探索三种皮肤病在 Th1/Th2/Th17 通路及细胞外基质重塑等方面的共性与差异,支持疾病分类与神经免疫机制研究(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 15 202。
【数据内容】
源站描述(机器翻译,仅供参考):结节性痒疹(PN)是一种使人衰弱的神经免疫性皮肤病,以瘙痒性、隆起性结节性皮损为特征。银屑病和 AD 分别以 Th1/Th17 和 Th2 极化为经典特征,但 PN 的神经炎症特征仍不明确。我们通过使用包含 770 个基因的定制神经炎症聚焦 NanoString panel,对 25 例 PN 患者、27 例 AD 患者、15 例银屑病患者和 12 例健康对照(HC)的皮损和非皮损皮肤活检样本进行转录组分析,表征了 PN 与 AD、银屑病和健康对照相比的神经免疫表型。对受累与未受累皮肤的分析揭示了所有三种疾病中与 Th1、Th2 和 Th17 激活相关的差异表达基因(DEG,倍数变化>1.5,p<0.05)。与 AD 和银屑病相比,PN 中上调的 DEG 主要与细胞外基质重塑或 n 相关
【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、GPL34304、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=GSE261704
【使用注意】
· 源站最后修改于 Feb 06 202,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=GSE261704
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
结节性痒疹(PN)是一种致衰性神经免疫性皮肤病,以瘙痒性、隆起的结节性皮损为特征。银屑病和特应性皮炎(AD)的经典特征分别为Th1/Th17和Th2极化,但PN的神经炎症特征仍不明确。我们通过转录组分析,采用定制的神经炎症聚焦NanoString panel(包含770个基因),对25例PN患者、27例AD患者、15例银屑病患者和12例健康对照(HC)的皮损及非皮损皮肤活检样本进行了分析,以表征PN相较于AD、银屑病和HC的神经免疫表型。对受累与未受累皮肤的分析显示,三种疾病中均存在与Th1、Th2和Th17活化相关的差异表达基因(DEGs,倍数变化>1.5,p<0.05)。与AD和银屑病相比,PN中上调的DEGs主要与细胞外基质重塑或神经功能相关。与银屑病相比,PN中IL-31表达上调,但与AD相比无此差异。与AD相比,PN中下调的DEGs与Th2活化和谷氨酸受体相关;与银屑病相比,下调的DEGs则与Th1和Th17活化相关。
PN具有独特的神经炎症特征,与AD和银屑病相比,表现为Th1/Th17和Th2免疫轴的中间型激活,并伴有ECM失调、神经元异常及IL-31活性水平升高。
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。




