补肾益气方治疗慢性哮喘小鼠的RNA-Seq表达分析及抗气道重塑调控基因靶点预测
该数据集来自NCBI GEO,包含慢性哮喘小鼠经补肾益气方(BSYQF)治疗后的肺转录组RNA-Seq表达数据,涉及对照组、哮喘模型组及BSYQF治疗组

基本信息
资源简介
补肾益气方治疗慢性哮喘小鼠的RNA-Seq表达分析及抗气道重塑调控基因靶点预测
RNA-Seq expression analysis of chronic asthmatic mice with Bu-Shen-Yi-Qi formula treatment and prediction of regulated gene targets of anti-airway remodeling
该数据集来自NCBI GEO,包含慢性哮喘小鼠经补肾益气方(BSYQF)治疗后的肺转录组RNA-Seq表达数据,涉及对照组、哮喘模型组及BSYQF治疗组。研究通过RNA测序发现BSYQF可完全或部分逆转哮喘诱导的基因表达变化,并基于既往结果鉴定出21个差异表达基因(DEGs),进一步输入Ingenuity Pathway Analysis(IPA)数据库构建调控网络。数据可用于探索BSYQF改善气道重塑的分子机制及预测抗气道重塑的调控基因靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):气道重塑是哮喘的典型病理特征之一。然而,哮喘中气道的结构变化复杂,阻碍了新型哮喘靶向治疗的发展。我们先前的研究表明,补肾益气方(BSYQF)可通过调节肺部气道炎症和氧化应激来改善慢性哮喘小鼠的气道重塑。为进一步探索BSYQF的分子机制,本研究分析了对照组、哮喘小鼠伴/不伴BSYQF治疗的肺转录组。通过RNA测序分析,我们发现BSYQF治疗完全或部分逆转了一组在哮喘中诱导表达变化的基因。此外,基于先前结果,我们鉴定了21个差异表达基因(DEGs)。然后通过将21个DEGs输入Ingenuity Pathway Analysis(IPA)数据库构建g
【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:GPL24247、10090。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=GSE155071
【使用注意】
· 源站最后修改于 Jan 01 202,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=GSE155071
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
气道重塑是哮喘的典型病理特征之一。然而,哮喘气道结构变化复杂,阻碍了新型哮喘靶向治疗的发展。我们前期研究表明,补肾益气方(BSYQF)可通过调节肺部气道炎症和氧化应激改善慢性哮喘小鼠的气道重塑。为进一步探讨BSYQF的分子机制,本研究分析了对照组、哮喘小鼠伴/不伴BSYQF治疗的肺转录组。通过RNA测序分析,我们发现BSYQF治疗完全或部分逆转了一组在哮喘中诱导表达变化的基因。此外,基于前期结果,我们鉴定了21个差异表达基因(DEGs)。随后通过将21个DEGs输入Ingenuity Pathway Analysis(IPA)数据库构建基因网络,我们推断位于网络关键节点的Adipoq、SPP1和TNC可能是BSYQF抗重塑效应的关键调控因子。我们的结果为BSYQF在哮喘中抗重塑的分子机制提供了初步线索。
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。




