全血经TLR2配体(几丁质寡聚体、Pam2、Pam3)和TLR4配体LPS刺激后的基因表达
该数据集为GSE103094,收录全血细胞在几丁质寡聚体、Pam2、Pam3等TLR2配体以及TLR4配体LPS刺激后的基因表达谱,采用表达谱芯片平台GPL10558,物种为人(9606),共1个文件

基本信息
资源简介
全血经TLR2配体(几丁质寡聚体、Pam2、Pam3)和TLR4配体LPS刺激后的基因表达
Whole blood gene expression after stimulation with TLR2 ligands (chitin oligomers, Pam2, Pam3) and the TLR4-ligand LPS
该数据集为GSE103094,收录全血细胞在几丁质寡聚体、Pam2、Pam3等TLR2配体以及TLR4配体LPS刺激后的基因表达谱,采用表达谱芯片平台GPL10558,物种为人(9606),共1个文件。研究旨在比较全血细胞响应几丁质与其他TLR2、TLR4配体时的转录差异,可用于识别几丁质相关免疫应答的分子特征,并服务于哮喘等呼吸系统疾病中几丁质介导病理机制的研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 25 201。
【数据内容】
源站描述(机器翻译,仅供参考):几丁质是自然界中第二丰富的多糖,也是一种与真菌感染和过敏性哮喘密切相关的生物分子,这些疾病影响着全球数百万患者。已知几丁质可刺激多种哺乳动物免疫细胞,但其精确的分子感知机制尚未阐明,这阻碍了特异性靶向几丁质介导病理的策略。与该微阵列数据集相关的研究使用确定的几丁质寡聚体,鉴定出六个几丁质亚基是最小的免疫活性几丁质基序,并确定先天免疫受体TLR2是人和鼠免疫细胞(体外和体内)上的分子几丁质传感器。该微阵列数据集的目标是阐明人全血细胞在响应几丁质、其他TLR2配体(Pam2、Pam3)以及TLR4配体LPS时的转录差异。所有fo
【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、GPL10558、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=GSE103094
【使用注意】
· 源站最后修改于 Jul 25 202,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=GSE103094
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
几丁质是自然界中第二丰富的多糖,也是一种与真菌感染和过敏性哮喘密切相关的生物分子,这些疾病影响着全球数百万患者。已知几丁质能刺激多种哺乳动物免疫细胞,但其精确的分子感知机制尚未阐明,这阻碍了针对几丁质介导病理的精准策略的开发。与本微阵列数据集相关的研究使用确定的几丁质寡聚体,鉴定出六个几丁质亚基作为最小的免疫活性几丁质基序,并确定先天免疫受体TLR2作为人和鼠免疫细胞在体外和体内的分子几丁质传感器。该微阵列数据集的目标是阐明人全血细胞在响应几丁质、其他TLR2配体(Pam2、Pam3)以及TLR4配体LPS时的转录差异。所有四种刺激物相互比较,并与未刺激的全血样本作为参考进行比较。我们得出结论,与经典TLR2配体相比,几丁质寡聚体引发重叠但不同的信号传导结果。
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。




