GSE273201:CD8+ TEMRA记忆T细胞与哮喘症状持续时间及重度而非轻度哮喘中逃逸增殖停滞相关
该数据集来自NCBI GEO,包含1个文件(GSE273201_series_matrix.txt.gz),基于高通量测序表达谱分析,聚焦呼吸系统疾病中的哮喘

基本信息
资源简介
GSE273201:CD8+ TEMRA记忆T细胞与哮喘症状持续时间及重度而非轻度哮喘中逃逸增殖停滞相关
CD8+ TEMRA Memory T cells Associate with Asthma Symptom Duration and Escape Proliferation Arrest in Severe but Not Mild Asthma
该数据集来自NCBI GEO,包含1个文件(GSE273201_series_matrix.txt.gz),基于高通量测序表达谱分析,聚焦呼吸系统疾病中的哮喘。研究比较重度哮喘与轻中度哮喘患者气道CD8+ TEMRA记忆T细胞的频率、增殖能力及转录组特征,涉及IFN-γ表达、IL-15反应和细胞衰老标志物。数据可用于探索哮喘疾病异质性的免疫机制及重度哮喘的潜在生物标志物(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):异常免疫反应是哮喘的标志,5-10%的患者患有重度疾病,对标准治疗反应不佳。更好地理解导致疾病异质性的免疫反应对于改善哮喘管理至关重要。在这里,我们显示气道CD8+效应记忆T细胞重新表达CD45RA(TEMRAs),而非CD8+ CD45RO+或组织驻留记忆(TRM)T细胞,与重度哮喘(SA)患者的哮喘持续时间显著相关,但与轻中度哮喘(MMA)患者无关。在SA气道中检测到IFN-g+ CD8+ TEMRAs的频率高于IFN-g+ CD45RO+ T细胞,且来自SA而非MMA患者的TEMRAs在体外增殖,尽管两者均表达细胞衰老相关生物标志物。受SA CD8+ TEMRAs的转录组谱和对IL-15的增殖反应启发,气道IL15表达
【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:GPL30173、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=GSE273201
【使用注意】
· 源站最后修改于 Apr 30 202,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=GSE273201
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
免疫应答异常是哮喘的标志性特征,其中5-10%的重症患者对标准治疗反应不佳。深入理解导致疾病异质性的免疫应答对于改善哮喘管理至关重要。本研究发现,气道CD8+效应记忆T细胞重新表达CD45RA(TEMRAs)与重症哮喘(SA)患者的哮喘病程显著相关,而CD8+CD45RO+或组织驻留记忆(TRM)T细胞则无此关联;这一现象在轻中度哮喘(MMA)患者中未见。在SA气道中,检测到IFN-γ+CD8+TEMRAs的频率高于IFN-γ+CD45RO+T细胞,且SA患者(而非MMA患者)的TEMRAs在体外能够增殖,尽管两者均表达细胞衰老相关生物标志物。受SA CD8+TEMRAs的转录组特征及对IL-15增殖反应的启发,测得SA患者气道IL15表达高于MMA患者。我们的发现为理解哮喘异质性增添了新维度,并确定IL-15为潜在治疗靶点。
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。




