U-BIOPRED哮喘或喘息儿童血液转录组数据集
数据为哮喘或喘息儿童的血液转录组表达谱芯片数据,平台为GPL13158,物种为9606。研究旨在识别哮喘或喘息儿童的血液转录组谱,并判断这些谱是否提示内型或机制

基本信息
资源简介
U-BIOPRED哮喘或喘息儿童血液转录组数据集
U-BIOPRED blood transcriptomics from children with asthma or wheeze
该数据集来自NCBI,标题为U-BIOPRED blood transcriptomics from children with asthma or wheeze,包含1个文件GSE123750_series_matrix.txt.gz,属于呼吸系统疾病/哮喘分类。数据为哮喘或喘息儿童的血液转录组表达谱芯片数据,平台为GPL13158,物种为9606。研究旨在识别哮喘或喘息儿童的血液转录组谱,并判断这些谱是否提示内型或机制。可用于哮喘相关转录组特征分析与分类研究(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 12 201。
【数据内容】
源站描述(机器翻译,仅供参考):哮喘是一种气道炎症性疾病,以发作性气道阻塞为特征,导致咳嗽、发作性气短。它在临床和生理上具有异质性。据估计,全球约有3亿人患有该病被诊断为哮喘,包括高达20%的儿童(Asher et al, 2006),其中5–10%的儿童被认为患有严重或难以治疗的哮喘。哮喘通常根据严重程度和临床诊断标准进行分类,但现在明显的是,生理水平上存在的异质性也是潜在病理机制的一个特征(Lotvall et al, 2011)。本研究的目的是识别被诊断为哮喘或喘息的儿童的血液转录组谱,并确定这些谱是否提示内型或机制,从而可能
【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、GPL13158、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=GSE123750
【使用注意】
· 源站最后修改于 Jul 02 201,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=GSE123750
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
哮喘是一种气道炎症性疾病,以发作性气道阻塞为特征,导致咳嗽和发作性气短。该病在临床和生理上具有异质性。据估计,全球约有3亿人被诊断患有哮喘,其中包括高达20%的儿童(Asher等,2006),而这些儿童中有5%–10%被认为患有重度或难以治疗的哮喘。哮喘通常根据严重程度和临床诊断标准进行分类,但现已明确,生理层面存在的异质性同样是潜在病理机制的一个特征(Lotvall等,2011)。本研究旨在确定被诊断为哮喘或喘息的儿童的血浆转录组学特征,并确定这些特征是否提示可作为这些儿童疾病基础的內型或机制,或与疾病严重程度相关。
重要的是,鉴于目前儿童与成人使用相同的药物进行治疗,我们还旨在比较儿童与成人哮喘患者的特征,以帮助确定是否应将努力方向集中于开发针对儿童特有通路和机制的药物。为此,我们使用了U-BIOPRED联盟从成人和儿童血液样本中生成的基因转录组数据,以探究在现行定义下,成人组与患有重度或轻中度哮喘的学龄前或学龄期儿童(学龄前儿童为喘息)组之间的差异基因表达谱的相似或差异程度。呼吸系统疾病结局预测的无偏生物标志物(U-BIOPRED)项目是在创新药物倡议(IMI)框架内建立的公私合作项目,汇集了学术界、制药行业和患者团体。本研究的目的是识别转录
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。




