LMAN1对过敏原诱导气道高反应性的性别依赖性影响
该数据集来自NCBI GEO,标题为GSE294581,研究LMAN1在过敏原诱导的气道高反应性中的性别依赖性影响。可用于分析LMAN1敲除与野生型小鼠在过敏原暴露下的基因表达差异,探索哮喘相关炎症信号通路及性别差异机制(来源 NCBI)

基本信息
资源简介
LMAN1对过敏原诱导气道高反应性的性别依赖性影响
Sex-dependent Influence of LMAN1 on Allergen-induced Airway Hyperresponsiveness
该数据集来自NCBI GEO,标题为GSE294581,研究LMAN1在过敏原诱导的气道高反应性中的性别依赖性影响。数据为高通量测序表达谱,包含1个文件GSE294581_series_matrix.txt.gz,物种为小鼠(10090),平台为GPL21103。可用于分析LMAN1敲除与野生型小鼠在过敏原暴露下的基因表达差异,探索哮喘相关炎症信号通路及性别差异机制(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):过敏性哮喘是一种慢性气道炎症性疾病,其特征是针对常见气源性抗原(如尘螨、花粉和动物皮屑)的2型高适应性免疫反应。尽管在将各种生物制剂转化为临床方面取得了进展,但这些疗法在某些人群中的疗效有限,加上一些患者无法接受治疗(临床上或经济上),导致持续需要开发更广泛有效的过敏性哮喘疗法。我们实验室先前将凝集素甘露糖结合1(LMAN1)鉴定为屋尘螨(HDM)的新型受体,并表明在体外,LMAN1在响应HDM时下调DCs中的炎症NF-κB信号传导。在这项后续工作中,我们通过将LMAN1敲除(KO)小鼠和野生型(WT)同窝对照暴露于
【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:GPL21103、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=GSE294581
【使用注意】
· 源站最后修改于 Aug 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=GSE294581
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
过敏性哮喘是一种慢性气道炎症性疾病,其特征是针对尘螨、花粉和动物皮屑等常见气源性抗原的2型高适应性免疫应答。尽管将多种生物制剂转化为临床应用的进展已取得,但这些疗法在某些人群中的疗效有限,加之部分患者(因临床或经济原因)不适合接受治疗,因此仍需要开发更广泛有效的过敏性哮喘疗法。我们实验室此前已鉴定出甘露糖结合凝集素1(LMAN1)为屋尘螨(HDM)的新型受体,并证明在体外,LMAN1可下调树突状细胞(DCs)中由HDM诱导的炎症性NF-κB信号传导。在这项后续研究中,我们通过将LMAN1基因敲除(KO)小鼠与野生型(WT)同窝对照小鼠置于HDM诱导的过敏性哮喘模型中,研究了LMAN1的体内相关性。令人惊讶的是,我们发现LMAN1缺失对气道高反应性(AHR)产生了相反的影响,且这种影响取决于小鼠的性别。
与野生型小鼠相比,经HDM处理的雌性LMAN1基因敲除小鼠表现出气道高反应性(AHR)增加,而经HDM处理的雄性基因敲除小鼠则表现出AHR降低。我们进一步鉴定了HDM诱导的哮喘特征,这些特征可能解释LMAN1对肺功能影响的性别偏向性效应。这项工作不仅凸显了体内LMAN1缺失的复杂性,还提示在将LMAN1作为治疗过敏性哮喘的治疗靶点时,应考虑这种性别依赖性反应。
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。




