激素敏感与抵抗型哮喘患者及健康对照CD8+ T细胞转录组分析

该数据集来自NCBI GEO,包含激素敏感型哮喘、激素抵抗型哮喘患者及健康对照的外周CD8+ T细胞在第0天和第8天的全转录组测序数据

geo
浏览 8
基因组分类GPL173039606
GSE100624: Transcriptomic profiling of CD8+ T cells from steroid-sensitive and steroid-resistant asthmatics and healthy controls

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-21

资源简介

激素敏感与抵抗型哮喘患者及健康对照CD8+ T细胞转录组分析

Transcriptomic profiling of CD8+ T cells from steroid-sensitive and steroid-resistant asthmatics and healthy controls

该数据集来自NCBI GEO,包含激素敏感型哮喘、激素抵抗型哮喘患者及健康对照的外周CD8+ T细胞在第0天和第8天的全转录组测序数据。研究旨在探索激素抵抗型哮喘中吸入性糖皮质激素治疗失败的潜在机制和通路,利用高通量测序进行表达谱分析。数据可用于比较不同哮喘表型及健康对照间CD8+ T细胞的基因表达差异,识别与激素抵抗相关的内型标志物或通路,为哮喘的分子分型和治疗策略研究提供基础(来源 NCBI)。

【数据集背景】

源站首次发布:Jun 28 201。

【数据内容】

源站描述(机器翻译,仅供参考):哮喘的异质性促使人们尝试基于临床表型和聚类 designation 进行分类。尽管有帮助,但依赖临床参数无法解决导致特定表型的基本问题,特别是激素抵抗型(SR)哮喘。定义导致SR哮喘患者吸入性糖皮质激素(ICS)失败的机制或通路(内型)的数据有限。与CD4+ T细胞不同,人和小鼠CD8+ T细胞在糖皮质激素(CS)存在下均不发生凋亡,使其成为独特的效应细胞。对来自激素敏感型或激素抵抗型哮喘患者或健康对照的外周CD8+ T细胞在第0天和第8天进行了全转录组分析。

【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:GPL17303、9606。本站分类:呼吸系统疾病/哮喘。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE100624

【使用注意】

· 源站最后修改于 May 15 201,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=GSE100624

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

哮喘的异质性促使人们尝试基于临床表型和聚类分型进行分类。尽管这些分类方法有一定帮助,但仅依赖临床参数无法解决导致特定表型的根本问题,尤其是激素抵抗型(SR)哮喘。目前关于导致SR哮喘患者吸入性糖皮质激素(ICS)治疗失败机制或通路(内型)的数据有限。与CD4+ T细胞不同,人和小鼠的CD8+ T细胞在糖皮质激素(CS)存在下不发生凋亡,这使其成为独特的效应细胞。研究对激素敏感型或激素抵抗型哮喘患者及健康对照者在第0天和第8天的外周血CD8+ T细胞进行了全转录组分析。

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