农场动物暴露、呼吸道疾病与鼻细胞基因表达
该数据集来自 NCBI GEO(GSE233761),聚焦农场环境暴露与儿童呼吸道疾病及鼻黏膜免疫发育的关系。研究基于 Wisconsin Infant Study Cohort(WISC)出生队列,纳入农场与非农场孕妇,收集产前农场及其他环境暴露信息,通过疾病日记和定期调查评估出生后两年内疾病频率

基本信息
资源简介
农场动物暴露、呼吸道疾病与鼻细胞基因表达
Farm Animal Exposure, Respiratory Illnesses, and Nasal Cell Gene Expression
该数据集来自 NCBI GEO(GSE233761),聚焦农场环境暴露与儿童呼吸道疾病及鼻黏膜免疫发育的关系。研究基于 Wisconsin Infant Study Cohort(WISC)出生队列,纳入农场与非农场孕妇,收集产前农场及其他环境暴露信息,通过疾病日记和定期调查评估出生后两年内疾病频率与严重程度,并比较两岁时鼻咽细胞基因表达与农场暴露及呼吸道疾病史的关联。数据可用于分析农场暴露对早期呼吸道病毒感染及鼻细胞基因表达模式的影响(来源 NCBI)。
【数据集背景】
源站首次发布:May 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:生命早期的农场暴露可降低儿童过敏性疾病和哮喘的风险。关于农场暴露与呼吸道疾病及黏膜免疫发育之间关系的信息较少。目的:我们假设在农场环境中长大的儿童在出生后头两年内病毒性疾病的发生率低于非农场儿童。我们还分析了农场暴露或呼吸道疾病与鼻细胞基因表达模式之间的关系。方法:Wisconsin Infant Study Cohort(WISC)出生队列招募了来自威斯康星州中部的农场和非农场孕妇。父母报告了产前农场及其他环境暴露情况。使用疾病日记和定期调查评估疾病频率和严重程度。将两岁时鼻咽细胞基因表达与农场暴露和呼吸道疾病史进行比较。
【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=GSE233761
【使用注意】
· 源站最后修改于 Feb 06 202,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=GSE233761
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
背景:生命早期的农场暴露可降低儿童过敏性疾病和哮喘的风险。关于农场暴露与呼吸道疾病及黏膜免疫发育之间关系的信息较少。目的:我们假设在农场环境中成长的儿童在出生后前两年内病毒性疾病的发生率低于非农场儿童。我们还分析了农场暴露或呼吸道疾病与鼻细胞基因表达模式之间的关系。方法:威斯康星婴儿研究队列(WISC)出生队列招募了来自威斯康星州中部的农场和非农场孕妇。父母报告了产前农场及其他环境暴露情况。通过疾病日记和定期调查评估疾病频率和严重程度。将两岁时鼻咽细胞基因表达与农场暴露和呼吸道疾病史进行比较。结果:非农场组的呼吸道疾病发生率高于农场组(率比0.82 [0.69,0.97],p=0.020),但喘息性疾病无显著差异。
至少每周接触0只、1只或≥2只动物的儿童,其呼吸道疾病发生率呈阶梯式下降(p=0.006)。在分析鼻细胞基因表达时,农场暴露和既往呼吸道疾病与单核细胞及先天性和抗菌反应的基因特征呈正相关。结论:接触农场和农场动物的儿童在出生后头两年呼吸道疾病发生率较低。农场暴露和既往呼吸道疾病均与先天免疫反应增强相关,提示这些暴露可刺激黏膜免疫反应,从而降低后续疾病发生频率。
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。




