嗜酸性和混合肉芽肿性肺部炎症的差异基因表达分析

该数据集来自 NCBI GEO,聚焦嗜酸性和混合肉芽肿性肺部炎症的差异基因表达分析,属于呼吸系统疾病与哮喘研究方向。源站描述指出,肺部基因表达改变在哮喘和气道高反应性发生中起关键作用,并对比了屋尘螨诱导的 Th2 型过敏性哮喘与 c-di-GMP 诱导的 Th1-Th17 型反应

geo
浏览 7
基因组分类Expression profiling by arrayGPL2424210090
GSE165969: Differential gene expression analysis in eosinophilic and mixed granulomatous lung inflammation

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

嗜酸性和混合肉芽肿性肺部炎症的差异基因表达分析

Differential gene expression analysis in eosinophilic and mixed granulomatous lung inflammation

该数据集来自 NCBI GEO,聚焦嗜酸性和混合肉芽肿性肺部炎症的差异基因表达分析,属于呼吸系统疾病与哮喘研究方向。数据基于表达谱芯片平台 GPL24242,物种为小鼠(10090),包含 1 个文件 GSE165969_series_matrix.txt.gz。源站描述指出,肺部基因表达改变在哮喘和气道高反应性发生中起关键作用,并对比了屋尘螨诱导的 Th2 型过敏性哮喘与 c-di-GMP 诱导的 Th1-Th17 型反应。该数据可用于研究哮喘相关炎症通路的基因表达差异(来源 NCBI)。

【数据集背景】

源站首次发布:Feb 02 202。

【数据内容】

源站描述(机器翻译,仅供参考):肺部基因表达水平的改变被认为在哮喘和气道高反应性的发生过程中起关键作用。屋尘螨诱导的过敏性哮喘是一种由 Th2 淋巴细胞驱动的炎症,以气道高反应性和嗜酸性粒细胞增多为特征;而 c-di-GMP 作为一种强效黏膜佐剂,可诱导伴随中性粒细胞增多的 Th1-Th17 反应,同时 Th2 反应较低。

【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、GPL24242、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=GSE165969

【使用注意】

· 源站最后修改于 Mar 30 202,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=GSE165969

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

肺内基因表达水平的改变被认为在哮喘和气道高反应性的发生发展中起关键作用。屋尘螨诱导的过敏性哮喘是一种由Th2淋巴细胞驱动的炎症,以气道高反应性和嗜酸性粒细胞增多为特征;而c-di-GMP作为一种强效黏膜佐剂,可诱导Th1-Th17反应,伴随中性粒细胞增多及低Th2反应。我们旨在通过靶向基因表达芯片识别在哮喘病理学中重要基因的表达变化。

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