基于嗜碱性粒细胞活化试验研究哮喘患者奥马珠单抗治疗反应分子机制与生物标志物的功能性细胞模型
该数据集来自NCBI GEO,包含一项利用嗜碱性粒细胞活化试验建立体外功能性细胞模型的研究,旨在探究哮喘儿童和青少年对奥马珠单抗治疗的差异反应

基本信息
资源简介
基于嗜碱性粒细胞活化试验研究哮喘患者奥马珠单抗治疗反应分子机制与生物标志物的功能性细胞模型
A Functional Cell Model using Basophil Activation Test to Study Molecular Mechanisms and Biomarkers of Response to Omalizumab Treatment in Patients with Asthma
该数据集来自NCBI GEO,包含一项利用嗜碱性粒细胞活化试验建立体外功能性细胞模型的研究,旨在探究哮喘儿童和青少年对奥马珠单抗治疗的差异反应。数据涵盖经奥马珠单抗预处理的哮喘患者白细胞,通过嗜碱性粒细胞活化与降解评估体外反应,并采用嗜碱性粒细胞特异性全RNA测序筛选差异表达基因。该数据可用于识别与奥马珠单抗体外反应相关的基因表达特征和生物标志物,支持哮喘个体化生物治疗研究(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):重度哮喘患者可能受益于靶向生物治疗。然而,基于儿童和青少年哮喘患者对不同生物制剂所针对分子机制的个体易感性来制定个性化治疗尚不成熟。在此,我们建立了一个体外功能性模型,以研究哮喘患者对奥马珠单抗(一种靶向IgE的生物制剂)治疗的差异反应。从哮喘儿童和青少年中分离的白细胞经奥马珠单抗预处理。随后,在暴露于患者特异性过敏原后,使用嗜碱性粒细胞活化和降解来评估患者对奥马珠单抗的体外反应。同时,采用嗜碱性粒细胞特异性全RNA测序筛选与奥马珠单抗体外反应相关的差异表达基因。筛选结果首先在一个独立队列中得到确认。
【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:GPL21697、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=GSE281339
【使用注意】
· 源站最后修改于 Apr 13 202,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=GSE281339
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
重度哮喘患者可能从靶向生物治疗中获益。然而,针对儿童和青少年哮喘患者的个性化治疗——基于个体对不同生物制剂所针对分子机制的易感性——尚不成熟。在此,我们建立了一个体外功能模型,用于研究哮喘患者对奥马珠单抗(一种靶向IgE的生物制剂)治疗的差异反应。从哮喘儿童和青少年中分离的白细胞经奥马珠单抗预处理。随后,在暴露于患者特异性过敏原后,采用嗜碱性粒细胞活化和降解评估患者对奥马珠单抗的体外反应。同时,采用嗜碱性粒细胞特异性全RNA测序筛选与体外奥马珠单抗反应相关的差异表达基因。筛选结果首先在一个独立患者队列中得到验证,最终与临床相关数据进行比较。体外嗜碱性粒细胞活化+降解试验可用于研究患者对奥马珠单抗的差异反应。在反应较好者与
应答不佳者/无应答者主要与抗病毒防御和细胞凋亡相关。RSAD2低表达在体外与对omalizumab应答不佳相关,并且在接受omalizumab治疗的青少年哮喘患者中与高FeNO水平(肺部炎症的指标)相关。我们描述了一种体外试验,用于研究患者对omalizumab的差异性应答。RSAD2可能成为哮喘中对omalizumab应答的生物标志物。
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。




