IL-33诱导肥大细胞抗病毒特征但增强人鼻病毒易感性
该数据集来自NCBI GEO,包含LAD2肥大细胞经IL-33刺激后的RNA测序表达谱,用于研究IL-33对肥大细胞抗病毒免疫应答的全局影响

基本信息
资源简介
IL-33诱导肥大细胞抗病毒特征但增强人鼻病毒易感性
IL-33 induces an antiviral signature in mast cells but enhances their permissiveness for human rhinovirus infection
该数据集来自NCBI GEO,包含LAD2肥大细胞经IL-33刺激后的RNA测序表达谱,用于研究IL-33对肥大细胞抗病毒免疫应答的全局影响。数据覆盖呼吸系统疾病/哮喘相关主题,涉及人鼻病毒16型感染与ICAM1上调机制。可用来分析IL-33诱导的抗病毒基因表达特征、探索肥大细胞在哮喘加重中的病毒易感性机制,以及进行差异表达与通路层面的预测建模(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):肥大细胞(MCs)通常与过敏性哮喘相关,但其在抗病毒免疫中的作用尚不清楚。人鼻病毒(HRVs)是哮喘加重的主要原因,并可感染肥大细胞并在其中复制。HRV感染的主要部位是气道上皮,而肥大细胞定位于该部位,且随哮喘严重程度增加而增多。哮喘易感基因IL-33编码一种上皮来源的细胞因子,在HRV感染后释放,但其对肥大细胞抗病毒反应的影响尚未确定。在本研究中,我们利用RNA测序研究了LAD2肥大细胞对IL-33刺激的全局反应,并鉴定了参与抗病毒免疫的基因。尽管如此,IL-33处理增加了肥大细胞对HRV16感染的易感性,根据RNA-Seq数据,我们将其归因于ICAM1的上调。流式细胞术分析证实了IL-33依赖性的增加
【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:GPL20301、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=GSE216269
【使用注意】
· 源站最后修改于 Dec 16 202,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=GSE216269
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
肥大细胞(MCs)传统上与过敏性哮喘相关,但其在抗病毒免疫中的作用尚不清楚。人鼻病毒(HRVs)是哮喘急性发作的主要原因,并可在肥大细胞内感染和复制。HRV感染的主要部位是气道上皮,而随着哮喘严重程度的增加,肥大细胞定位于该部位。哮喘易感基因IL-33编码一种上皮来源的细胞因子,在HRV感染后释放,但其对肥大细胞抗病毒反应的影响尚未确定。在本研究中,我们利用RNA测序研究了LAD2肥大细胞对IL-33刺激的整体反应,并鉴定了参与抗病毒免疫的基因。尽管如此,IL-33处理增加了肥大细胞对HRV16感染的易感性,根据RNA-Seq数据,我们将其归因于ICAM1的上调。流式细胞术分析证实,IL-33依赖性增加了ICAM1的表面表达,以及LDLR的表达,这两种受体分别被主要组和次要组HRV用于细胞进入。ICAM1的中和减少了LAD2肥大细胞和脐血来源肥大细胞中IL-33依赖性的HRV16复制和释放增强。
这些发现表明,尽管IL-33在肥大细胞中诱导了抗病毒特征,但它也上调了鼻病毒(HRV)进入受体,从而增强了感染。这突显了肥大细胞中IL33与HRV之间基因-环境相互作用的潜力,可能促成病毒诱发的哮喘加重。
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。




