人支气管上皮细胞与烟曲霉分生孢子直接相互作用的功基因组学
该数据集来自 NCBI GEO(GSE16627),研究人支气管上皮细胞与烟曲霉分生孢子直接相互作用后的功能基因组学变化

基本信息
资源简介
人支气管上皮细胞与烟曲霉分生孢子直接相互作用的功基因组学
Functional genomics of human bronchial epithelial cells directly interacting with conidiospores of Aspergillus fumigatus
该数据集来自 NCBI GEO(GSE16627),研究人支气管上皮细胞与烟曲霉分生孢子直接相互作用后的功能基因组学变化。数据基于 16HBE 细胞系与表达绿色荧光蛋白的转基因烟曲霉菌株构建的细胞培养模型,通过 FACS 分选直接相互作用的细胞,并以表达谱芯片检测。数据可用于探索气道上皮细胞在宿主防御及哮喘等曲霉相关疾病发病机制中的基因表达特征(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 15 200。
【数据内容】
源站描述(机器翻译,仅供参考):气道上皮细胞在宿主对吸入性刺激物的防御以及哮喘发病机制中发挥关键作用。这些细胞持续暴露于无处不在的霉菌烟曲霉的分生孢子,后者小到足以到达肺泡。这种暴露在大多数个体中无症状,但可与从哮喘和变应性支气管肺曲霉病到曲霉球和侵袭性曲霉病的一系列疾病相关。气道上皮细胞已被证明可在体外内化烟曲霉分生孢子,但这一过程对发病机制的意义仍不清楚。我们利用 16HBE 细胞系和表达绿色荧光蛋白的转基因烟曲霉菌株,开发了用于这种相互作用的细胞培养模型。使用荧光激活细胞分选(FACS),直接与分生孢子相互作用的细胞和细胞
【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、GPL6480、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=GSE16627
【使用注意】
· 源站最后修改于 Jan 23 201,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=GSE16627
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
气道上皮细胞在宿主对吸入性刺激物的防御以及哮喘发病机制中发挥关键作用。这些细胞持续暴露于无处不在的霉菌烟曲霉(Aspergillus fumigatus)的分生孢子,这些孢子小到足以到达肺泡。在大多数人中,这种暴露是无症状的,但可与一系列疾病相关,从哮喘和变应性支气管肺曲霉病到曲霉球和侵袭性曲霉病。气道上皮细胞已被证明在体外可内化烟曲霉分生孢子,但这一过程对发病机制的意义仍不清楚。我们利用16HBE细胞系和表达绿色荧光蛋白的转基因烟曲霉菌株,建立了这种相互作用的细胞培养模型。使用荧光激活细胞分选(FACS),将与分生孢子直接相互作用的细胞和未与任何分生孢子结合的细胞分选到不同的样本中。使用Agilent全人类基因组微阵列对这些样本进行转录谱分析,揭示了响应分生孢子相互作用的基因表达显著变化。
生物学相关反应的识别验证了该方法学的有效性,并激发了进一步研究,以表征烟曲霉分生孢子与正常及哮喘来源的原代气道上皮细胞之间的相互作用。
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。




