人类白细胞对内毒素和运动反应的性别特异性信号通路与基因表达变异
该数据集来源于 omicsdi.org,基于已发表的微阵列数据,研究力竭性运动(半程马拉松)前后(运动前及运动后30分钟、3小时、24小时)全血培养(±LPS刺激1小时)诱导的mRNA变化,重点关注女性黄体期与男性之间的性别差异

基本信息
资源简介
人类白细胞对内毒素和运动反应的性别特异性信号通路与基因表达变异
该数据集来源于 omicsdi.org,基于已发表的微阵列数据,研究力竭性运动(半程马拉松)前后(运动前及运动后30分钟、3小时、24小时)全血培养(±LPS刺激1小时)诱导的mRNA变化,重点关注女性黄体期与男性之间的性别差异。数据涵盖炎症相关通路、TLR、胞质DNA感知和RIG-I样受体在LPS刺激培养中的差异性激活,以及TNIP-1、TNIP-3、IL-6、HIVEP1、CXCL3、CCR3、IL-8和CD69等基因的性别差异调控,可用于探索运动与内毒素应答中的性别特异性免疫机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):尽管运动对免疫系统的影响近年来受到越来越多的关注,但性别和月经周期中性激素波动在多大程度上影响对运动的免疫反应仍不清楚。利用先前发表的微阵列数据集,我们研究了力竭性运动(半程马拉松;运动前和运动后[30分钟、3小时、24小时],全血培养±LPS(1小时))诱导的mRNA变化,特别关注性别差异(黄体期女性 vs 男性)。在LPS刺激的培养物中,炎症相关通路、TLR、胞质DNA感知和RIG-I样受体在性别间存在差异性激活。性别间差异调控的基因包括TNIP-1、TNIP-3、IL-6、HIVEP1、CXCL3、CCR3、IL-8和CD69,揭示出与男性相比女性抗炎基因调控偏少的倾向。此外,若干
【主题与分类】
主题标签:Transcriptomics。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-83578
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-83578
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
近年来,运动对免疫系统的影响日益受到关注,但性别及月经周期中性激素波动对运动免疫应答的影响程度仍不明确。利用先前发表的微阵列数据集,我们研究了力竭性运动(半程马拉松;运动前及运动后[30分钟、3小时、24小时],全血培养±LPS(1小时))诱导的mRNA变化,特别关注性别差异(黄体期女性与男性)。在LPS刺激的培养中,炎症相关通路、TLRs、胞质DNA感知及RIG-I样受体在性别间呈差异性激活。性别间差异调控的基因包括TNIP-1、TNIP-3、IL-6、HIVEP1、CXCL3、CCR3、IL-8和CD69,显示出女性相较于男性偏向于较少的抗炎基因调控。此外,若干与脑功能相关的基因(OLIG2、TMEM106B、DDIT4和KMO)在性别间表现出差异性激活。其中一些基因(如女性的KMO、两性的DDIT4)可能构成神经保护机制。
这些数据表明,运动诱导的基因表达变化可能依赖于性别和月经周期阶段。采用析因设计,比较男性和女性运动员在半程马拉松前后不同时间点(半程马拉松;运动前和运动后[30分钟、3小时、24小时])经LPS处理和对照处理的血样。
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。




