MiR-155缺陷改变重症哮喘小鼠模型肺免疫细胞异质性
该数据集来自NCBI GEO,标题为MiR-155缺陷改变重症哮喘小鼠模型肺免疫细胞异质性,属于呼吸系统疾病/哮喘分类。数据基于单细胞RNA测序,对重症哮喘模型下miR-155敲除小鼠的肺组织进行转录组分析,无监督聚类鉴定出27个对应不同肺细胞类型的簇,涵盖上皮、基质、内皮和白细胞谱系

基本信息
资源简介
MiR-155缺陷改变重症哮喘小鼠模型肺免疫细胞异质性
MiR-155 deficiency alters heterogeneity of lung immune cells in a mouse model of severe asthma
该数据集来自NCBI GEO,标题为MiR-155缺陷改变重症哮喘小鼠模型肺免疫细胞异质性,属于呼吸系统疾病/哮喘分类。数据基于单细胞RNA测序,对重症哮喘模型下miR-155敲除小鼠的肺组织进行转录组分析,无监督聚类鉴定出27个对应不同肺细胞类型的簇,涵盖上皮、基质、内皮和白细胞谱系。该数据可用于研究miR-155在重症哮喘中对肺免疫细胞异质性和细胞间通讯的影响(来源 NCBI)。
【数据集背景】
源站首次发布:May 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺是一个复杂的组织,由40多种细胞群体组成。异质性肺细胞之间的相互作用是肺功能正常和长期维持肺稳态所必需的。由于每种细胞群体都有独特的转录组,bulk RNA-seq可能掩盖细胞间串扰、细胞类型特异性贡献以及肺中相关的网络变化。为了克服bulk组织分析的局限性,我们进行了单细胞RNA测序(scRNA-seq),以研究受miR-155影响的肺的转录谱。无监督聚类分析揭示了27个不同的簇,对应肺中不同的细胞类型,包括具有特定分子标记的上皮、基质、内皮和白细胞谱系。接受重症哮喘模型的miR-155敲除小鼠显示肺免疫细胞减少,而
【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:GPL31136、10088。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=GSE203656
【使用注意】
· 源站最后修改于 Aug 24 202,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=GSE203656
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
肺是一个由40多种细胞群体组成的复杂组织。异质性肺细胞之间的相互作用是肺正常功能和长期维持肺稳态所必需的。由于每种细胞群体都具有独特的转录组,bulk RNA-seq可能掩盖肺中的细胞间串扰、细胞类型特异性贡献以及相关的网络变化。为克服bulk组织分析的局限性,我们进行了单细胞RNA测序(scRNA-seq),以研究受miR-155影响的肺的转录谱。无监督聚类分析揭示了27个不同的聚类,对应于肺中不同的细胞类型,包括具有特定分子标志物的上皮、基质、内皮和白细胞谱系。接受重症哮喘模型的miR-155敲除小鼠显示肺部免疫细胞减少,而上皮细胞和内皮细胞等结构细胞的数量与其野生型对应物相比略有增加。
我们还发现,在重症哮喘模型中的miR-155敲除小鼠体内,细胞外诱捕网形成相关基因的转录产物显著下调。
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。




