脉冲980 nm近红外光生物调节缓解OVA诱导过敏性哮喘数据集
该数据集来自NCBI,包含一项关于脉冲980 nm近红外光生物调节(PBM)治疗卵清蛋白(OVA)诱导过敏性哮喘小鼠模型的研究

基本信息
资源简介
脉冲980 nm近红外光生物调节缓解OVA诱导过敏性哮喘数据集
Pulsed 980 nm Near-Infrared Photobiomodulation Attenuates OVA-Induced Allergic Asthma by Modulating Th2 Cytokine Responses and Inflammatory Cell Infiltration
该数据集来自NCBI,包含一项关于脉冲980 nm近红外光生物调节(PBM)治疗卵清蛋白(OVA)诱导过敏性哮喘小鼠模型的研究。数据覆盖肺组织基因表达谱,通过高通量测序分析PBM对2型细胞因子(IL-4、IL-5、IL-13)基因表达及肺部嗜酸性粒细胞和炎症单核细胞浸润的影响。可用于研究PBM在哮喘中的分子机制及炎症调控作用(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 15 202。
【数据内容】
源站描述(机器翻译,仅供参考):光生物调节(PBM)是一种非侵入性治疗策略,利用特定光波长刺激细胞过程,促进组织修复、减轻炎症和缓解疼痛。在本研究中,我们评估了高强度980 nm近红外(NIR)脉冲激光在卵清蛋白(OVA)诱导的过敏性哮喘小鼠模型中的疗效。在OVA致敏小鼠中,观察到典型的过敏特征,包括气道壁增厚、显著的支气管周围和血管周围炎症细胞浸润以及肺泡腔受压。NIR PBM治疗显著减轻了这些组织学变化。在分子水平上,PBM显著下调了肺组织中2型细胞因子基因表达,包括IL-4、IL-5和IL-13。流式细胞术分析进一步显示,PBM减少了肺部嗜酸性粒细胞和炎症单核细胞的浸润。
【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:GPL28330、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=GSE294668
【使用注意】
· 源站最后修改于 Mar 04 202,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=GSE294668
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
光生物调节(PBM)是一种非侵入性治疗策略,利用特定光波长刺激细胞过程,从而促进组织修复、减轻炎症和缓解疼痛。在本研究中,我们在卵清蛋白(OVA)诱导的过敏性哮喘小鼠模型中评估了高强度980 nm近红外(NIR)脉冲激光的疗效。在OVA致敏小鼠中观察到典型的过敏特征,包括气道壁增厚、显著的支气管周围和血管周围炎症细胞浸润以及肺泡腔受压。NIR PBM治疗明显减轻了这些组织学变化。在分子水平上,PBM显著下调了肺组织中2型细胞因子基因表达,包括IL-4、IL-5和IL-13。流式细胞术分析进一步显示,PBM减少了肺部嗜酸性粒细胞和炎性单核细胞的浸润。转录组分析结合基因集富集分析(GSEA)表明,PBM抑制了NF-κB介导的炎症信号传导,同时调节了Th2相关反应。
总体而言,我们的研究结果表明,高强度980 nm近红外光生物调节疗法能有效减轻小鼠模型中过敏性哮喘的关键特征,支持其作为哮喘管理的一种非药物、非侵入性辅助疗法的潜力。
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。




