重度ARDS气道与PBMC配对转录组图谱

该数据集来自 NCBI GEO(GSE326415),对重度 ARDS 机械通气患者配对采集外周血与非支气管镜肺泡灌洗液(NBBAL)样本,经密度离心富集单核细胞并冻存后行 bulk RNA 测序,比较气道与血液循环两个腔室间的基因表达谱与基因表达网络

geo
浏览 8
基因组分类GPL246769606
GSE326415: Paired Transcriptomic Profiling of Airspace and Peripheral Blood Mononuclear Cells in Severe ARDS

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-18

资源简介

重度ARDS气道与PBMC配对转录组图谱

Paired Transcriptomic Profiling of Airspace and Peripheral Blood Mononuclear Cells in Severe ARDS

该数据集来自 NCBI GEO(GSE326415),对重度 ARDS 机械通气患者配对采集外周血与非支气管镜肺泡灌洗液(NBBAL)样本,经密度离心富集单核细胞并冻存后行 bulk RNA 测序,比较气道与血液循环两个腔室间的基因表达谱与基因表达网络。数据可用于研究 ARDS 急性期远端气道单核细胞的生物学过程是否在外周血单核细胞中有所反映,支持跨腔室转录组比较与表达谱分析(来源 NCBI)。

【数据集背景】

源站首次发布:Mar 30 202。

【数据内容】

源站描述(机器翻译,仅供参考):本研究的主要目的是确定在 ARDS 急性期,从远端气道单核细胞转录组分析推断出的核心生物学过程是否在循环外周血单核细胞(PBMC)中有所反映。为比较气道与血流中的单核细胞,我们从重度 ARDS 机械通气患者采集配对的外周血与非支气管镜 BAL(NBBAL)样本,并使用密度离心和冷冻保存富集单核细胞。随后我们进行 bulk RNA 测序,并评估两个腔室之间的基因表达谱与基因表达网络。

【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:GPL24676、9606。本站分类:呼吸道疾病/急性呼吸窘迫综合征。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE326415

【使用注意】

· 源站最后修改于 Jul 22 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE326415

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

我们研究的主要目的是确定,在ARDS急性期,从远端气腔单核细胞转录组分析推断出的中枢生物学过程是否反映在循环外周血单核细胞(PBMCs)中。为比较气腔和血流中的单核细胞,我们从接受机械通气的重症ARDS患者中采集了配对外周血和非支气管镜BAL(NBBAL)样本,并使用密度离心和冷冻保存富集单核细胞。随后,我们进行了批量RNA测序,并评估了各腔室间的基因表达谱和基因表达网络。

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。

获取专属数据定制方案