支气管热成形术治疗的重度哮喘患者支气管组织基因表达谱数据集
该数据集来自 NCBI,包含 8 例接受支气管热成形术(BT)治疗的重度哮喘患者支气管组织的 24 个 RNA 样本,分别在 BT1 前(基线)、BT2 前(第 1 次治疗后)和 BT3 前(第 2 次治疗后)采集,每例患者 3 个样本

基本信息
资源简介
支气管热成形术治疗的重度哮喘患者支气管组织基因表达谱数据集
Gene signature profiles in bronchial tissues from severe asthma patients treated with bronchial thermoplasty
该数据集来自 NCBI,包含 8 例接受支气管热成形术(BT)治疗的重度哮喘患者支气管组织的 24 个 RNA 样本,分别在 BT1 前(基线)、BT2 前(第 1 次治疗后)和 BT3 前(第 2 次治疗后)采集,每例患者 3 个样本。数据可用于分析 BT 治疗前后基因表达差异,并支持将患者划分为 BT 应答者与非应答者的分类研究,为寻找预测 BT 疗效的分子标志物提供基础(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):支气管热成形术(BT)是一种用于治疗难治性哮喘的内镜疗法。然而,目前尚无预测因素可确定 BT 治疗哮喘患者的有效性。本研究旨在全面分析 8 例接受 BT 治疗的重度哮喘患者气道支气管组织的 RNA 样本,并将每位患者表征为 BT 应答者或非应答者。共获得 24 个 RNA 样本(每位患者在 BT1 前[基线]、BT2 前[第 1 次治疗后]和 BT3 前[第 2 次治疗后]各三个)。在 8 例患者的支气管组织中,BT1 前(基线)与 BT2 前(第 1 次治疗后)之间有 975 个差异表达(DE)基因,具有显著差异(FDR 校正 P 0.5 持续 12 个月被视为 BT 应答者。非应答者表现出评分
【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:GPL18573、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=GSE159091
【使用注意】
· 源站最后修改于 Jun 22 202,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=GSE159091
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
支气管热成形术(BT)是一种用于治疗难治性哮喘的内镜疗法。然而,目前尚无预测因素可用于确定BT治疗哮喘患者的有效性。本研究旨在全面分析8例接受BT治疗的严重哮喘患者气道支气管组织的RNA样本,并将每例患者特征化为BT应答者或非应答者。共获取24份RNA样本(每例患者在BT1前[基线]、BT2前[第1次治疗后]和BT3前[第2次治疗后]各3份)。8例患者支气管组织在BT1前(基线)与BT2前(第1次治疗后)之间有975个差异表达(DE)基因,差异具有显著性(FDR校正P<0.05)。12个月期间哮喘生活质量问卷评分变化>0.5的受试者被视为BT应答者。非应答者在12个月内的评分变化<0.5。
基线转录组分析鉴定出67个在应答者与非应答者之间差异表达的基因,包括在应答者中上调的SLPI、MMP3和MUC19。
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。




