Nafamostat抗哮喘作用与促炎基因表达调节、嗜酸性粒细胞浸润减少及气道高反应性减弱相关
该数据集来自 NCBI GEO,包含一个高通量测序表达谱文件,围绕 nafamostat 在屋尘螨诱导的实验性哮喘模型中的抗哮喘作用

基本信息
资源简介
Nafamostat抗哮喘作用与促炎基因表达调节、嗜酸性粒细胞浸润减少及气道高反应性减弱相关
Anti-asthmatic effect of nafamostat is associated with modulated expression of pro-inflammatory genes, reduced eosinophil infiltration and attenuated airway hyperreactivity
该数据集来自 NCBI GEO,包含一个高通量测序表达谱文件,围绕 nafamostat 在屋尘螨诱导的实验性哮喘模型中的抗哮喘作用。研究显示 nafamostat 可抑制气道高反应性,减少嗜酸性粒细胞和淋巴细胞向气道浸润,并抑制气道腔内促炎因子水平。数据可用于分析哮喘相关蛋白酶抑制干预下的基因表达变化,探索促炎基因调控与嗜酸性粒细胞浸润及气道高反应性之间的关联(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):哮喘通常以蛋白酶与能够中和此类酶的抑制剂之间的表达失衡为特征。因此,干预哮喘的一个有吸引力的选择可能是干扰哮喘相关蛋白酶。在本研究中,我们利用这一选择,通过评估nafamostat(一种丝氨酸蛋白酶抑制剂,已知能够中和肥大细胞类胰蛋白酶)对基于屋尘螨(HDM)的实验性哮喘模型中气道反应表现的影响。我们的发现表明,nafamostat有效抑制了HDM致敏小鼠的气道高反应性,伴随嗜酸性粒细胞和淋巴细胞向气道浸润的显著减少,以及气道腔内促炎化合物水平的抑制。此外,nafamostat引起嗜酸性粒细胞浸润的显著减少
【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:GPL27583、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=GSE223629
【使用注意】
· 源站最后修改于 May 10 202,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=GSE223629
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
哮喘的典型特征在于蛋白酶与能够中和此类酶的抑制剂之间表达失衡。因此,干预哮喘相关蛋白酶可能是介入哮喘治疗的一个有吸引力的选择。在本研究中,我们利用这一思路,通过评估萘莫司他(nafamostat)——一种已知能够中和肥大细胞类胰蛋白酶活性的丝氨酸蛋白酶抑制剂——对基于屋尘螨(HDM)的实验性哮喘模型中气道反应表现的影响。我们的研究结果显示,萘莫司他有效抑制了HDM致敏小鼠的气道高反应性,同时伴有嗜酸性粒细胞和淋巴细胞向气道浸润的显著减少,以及气道腔内促炎化合物水平的抑制。此外,萘莫司他引起肺组织中嗜酸性粒细胞炎症的显著减轻,我们还显示萘莫司他对HDM致敏动物肺部的杯状细胞增生和平滑肌层增厚具有抑制作用。
为了更深入地了解萘莫司他影响过敏性气道炎症相关参数的机制,我们进行了转录组学分析。该分析显示,正如预期的那样,HDM致敏导致众多促炎基因表达上调。此外,转录组学分析表明,萘莫司他可抑制多种促炎基因的水平,尤其对与哮喘相关的基因影响显著。总之,本研究为萘莫司他对实验性哮喘的改善作用提供了广泛的见解,因此我们的发现可为进一步评估萘莫司他作为人类哮喘潜在治疗药物提供依据。
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。




