ICOSL、OX40L和CD30L控制哮喘CD4 Trm细胞的持续存在
该数据集来自NCBI GEO,标题为ICOSL、OX40L和CD30L控制哮喘CD4 Trm细胞的持续存在,归类于呼吸系统疾病/哮喘

基本信息
资源简介
ICOSL、OX40L和CD30L控制哮喘CD4 Trm细胞的持续存在
ICOSL, OX40L, and CD30L Control Persistence of Asthmatic CD4 Trm Cells
该数据集来自NCBI GEO,标题为ICOSL、OX40L和CD30L控制哮喘CD4 Trm细胞的持续存在,归类于呼吸系统疾病/哮喘。源站描述显示,研究利用小鼠肺部炎症模型和scRNA-seq揭示抗原响应CD4+ Trm细胞的复杂性,包含Th2、Th17、Th1和CTL等致病亚群,并发现OX40、ICOS、CD30和CD30L共表达。通过中和抗体抑制ICOSL或共阻断OX40L和CD30L仅部分抑制Trm对回忆抗原的反应,而抑制全部三个分子强烈减少Trm来源效应记忆T细胞积累并消除肺部炎症。数据可用于研究哮喘中Trm细胞持续存在的调控机制及治疗靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 13 202。
【数据内容】
源站描述(机器翻译,仅供参考):组织驻留记忆T细胞(Trm)对于维持自身免疫性和炎症性疾病至关重要。调节其在组织中的持续补充对临床治疗具有重要意义。在小鼠肺部炎症模型中,scRNA-seq揭示了抗原响应CD4+ Trm的复杂性,涵盖许多致病亚群,包括Th2、Th17、Th1和CTL,但提示了几个治疗干预靶点,这些T细胞中显著共表达共刺激分子OX40、ICOS、CD30和CD30L。单独抑制ICOSL,或使用中和抗体共阻断OX40L和CD30L,仅部分抑制Trm对回忆抗原的反应,而抑制所有三个分子强烈减少Trm来源效应记忆T细胞的积累,并消除肺部炎症的所有方面。最重要的是,tra
【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:Other、GPL24247、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=GSE234848
【使用注意】
· 源站最后修改于 May 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=GSE234848
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
组织驻留记忆T细胞(Trm)是维持自身免疫性和炎症性疾病的核心。调控其在组织中的持续补充对临床治疗具有重要意义。在小鼠肺部炎症模型中,单细胞RNA测序(scRNA-seq)揭示了抗原应答性CD4+ Trm的复杂性,其涵盖包括Th2、Th17、Th1和CTL在内的多种致病性亚群,但同时提示了若干治疗干预靶点,这些T细胞中显著共表达共刺激分子OX40、ICOS、CD30和CD30L。单独抑制ICOSL,或联合阻断OX40L和CD30L(使用中和抗体),仅能部分抑制Trm对回忆抗原的应答,而抑制全部三种分子则强烈减少Trm来源效应记忆T细胞的积聚,并消除肺部炎症的所有方面。最重要的是,短暂治疗性抑制这些分子可共同阻止诱导性Trm的持续积聚和长期存留,导致一种耐受状态,使得后续抗原暴露无法重新建立致病性炎症应答。
这些数据表明,共刺激分子对于致病性CD4+ Trm的再激活和持续存在至关重要,并揭示了若干可用于治疗肺部炎症性疾病以及潜在多种自身免疫疾病的治疗组合。
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。




