中性粒细胞胞外诱捕网处理人小气道上皮细胞的RNA测序数据集

该数据集为GSE232805,来源于NCBI,包含经中性粒细胞胞外诱捕网(NETs)处理的人小气道上皮细胞的RNA测序数据,共1个文件(GSE232805_series_matrix.txt.gz)

geo
浏览 9
基因组分类GPL246769606
GSE232805: RNA-sequencing (RNAseq) of human small airway epithelial cells treated with neutrophil extracellular traps

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

中性粒细胞胞外诱捕网处理人小气道上皮细胞的RNA测序数据集

RNA-sequencing (RNAseq) of human small airway epithelial cells treated with neutrophil extracellular traps

该数据集为GSE232805,来源于NCBI,包含经中性粒细胞胞外诱捕网(NETs)处理的人小气道上皮细胞的RNA测序数据,共1个文件(GSE232805_series_matrix.txt.gz)。研究利用转录组测序和生物信息学分析,探究NETs对小气道上皮细胞的作用,涉及哮喘、COPD等气道疾病背景。数据可用于分析NETs处理后基因表达变化,为理解气道疾病发病机制和开发治疗策略提供线索(来源 NCBI)。

【数据集背景】

源站首次发布:May 18 202。

【数据内容】

源站描述(机器翻译,仅供参考):先前的研究表明,在多种气道疾病(如哮喘、COPD和囊性纤维化)的患者或小鼠模型中,NETs表达水平升高。然而,NETs对气道上皮细胞的影响知之甚少。在本研究中,我们使用转录组测序和生物信息学分析来研究NETs在小气道上皮细胞中的作用。本研究增进了我们对NETs对气道上皮细胞影响的理解,并为气道疾病的发病机制提供了有价值的见解。我们的发现可能有助于开发气道疾病的新治疗策略。

【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:GPL24676、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=GSE232805

【使用注意】

· 源站最后修改于 Jan 04 202,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=GSE232805

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

既往研究表明,在哮喘、慢性阻塞性肺疾病和囊性纤维化等多种气道疾病的患者或小鼠模型中,NETs的表达水平升高。然而,关于NETs对气道上皮细胞的影响知之甚少。本研究采用转录组测序和生物信息学分析,探讨NETs在小气道上皮细胞中的作用。本研究增进了我们对NETs影响气道上皮细胞的理解,并为气道疾病的发病机制提供了有价值的见解。我们的发现可能有助于开发气道疾病的新治疗策略。

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