致命脑型疟疾的亚甲蓝治疗及潜在血液生物标志物鉴定
该数据集来自 NCBI,包含恒河猴脑型疟疾模型的转录组表达谱数据,用于研究亚甲蓝治疗对脑干损伤的逆转作用,并识别与脑型疟疾严重程度相关的血液生物标志物

基本信息
资源简介
致命脑型疟疾的亚甲蓝治疗及潜在血液生物标志物鉴定
Methylene Blue Treatment of Fatal Cerebral Malaria and Identification of Potential Blood Biomarkers
该数据集来自 NCBI,包含恒河猴脑型疟疾模型的转录组表达谱数据,用于研究亚甲蓝治疗对脑干损伤的逆转作用,并识别与脑型疟疾严重程度相关的血液生物标志物。数据涉及感染 Plasmodium coatneyi 的雄性恒河猴脑干组织,并与感染猴血液及人血液转录组数据比较,发现九个与疾病严重程度相关的基因,多表达于中性粒细胞。可用于脑型疟疾机制研究、治疗评估及生物标志物筛选(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 25 202。
【数据内容】
源站描述(机器翻译,仅供参考):脑型疟疾(CM)是由恶性疟原虫感染引起的一种严重并发症,可导致幸存者出现持续性神经损伤。为了解其复杂机制并研究针对人类 CM 的先进诊断和治疗策略,我们利用感染了 Plasmodium coatneyi 的雄性恒河猴,这是一种与人类恶性疟原虫感染高度相似的非人灵长类模型。通过差异基因表达分析,我们的研究证明了亚甲蓝在逆转感染对脑干的有害影响方面的功效。此外,通过将我们来自感染 P. coatneyi 的 Macaca mulatta 的脑干数据集与另外两个转录组数据集(感染 P. coatneyi 的 M. mulatta 血液和感染恶性疟原虫的人类血液)进行比较,我们识别出九个与 CM 严重程度相关的基因。这些基因大多在中性粒细胞中表达,表明
【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:GPL23949、9544。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=GSE265864
【使用注意】
· 源站最后修改于 Dec 03 202,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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务(收技术服务费,非数据销售)
暂未开放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=GSE265864
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
脑型疟疾(CM)是由恶性疟原虫感染引起的一种严重并发症,可导致幸存者出现持续性神经损伤。为了理解其复杂机制并探索针对人类CM的先进诊断和治疗策略,我们利用感染了柯氏疟原虫的雄性恒河猴——一种与人类恶性疟原虫感染高度相似的非人灵长类模型。通过差异基因表达分析,我们的研究证明了亚甲蓝在逆转感染对脑干的有害影响方面的功效。此外,通过将我们从感染柯氏疟原虫的恒河猴中获得的脑干数据集与另外两个转录组数据集(感染柯氏疟原虫的恒河猴血液和感染恶性疟原虫的人类血液)进行比较,我们识别出九个与CM严重程度相关的基因。这些基因大多在中性粒细胞中表达,表明它们有潜力作为诊断恶性疟原虫所致致命性CM的血液生物标志物。这项研究强调了开发新型CM治疗方法的必要性,并揭示了有前景的生物标志物,可改善受影响个体的诊断和预后。
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。
数据缺失?
依托陕西、四川两大基地,我们与超过十家三甲医院建立直接合作关系,覆盖合规授权、采集治理、专业标注、数据交付的全流程,为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务?立即联系我们获取专业方案。




