健康与过敏性哮喘中支气管肺泡及气道黏膜T细胞的表型与克隆谱差异
该数据集来自 NCBI GEO,包含健康对照与过敏性哮喘受试者经支气管肺泡灌洗和支气管内刷检分离的 T 细胞转录组表达谱,采用高通量测序

基本信息
资源简介
健康与过敏性哮喘中支气管肺泡及气道黏膜T细胞的表型与克隆谱差异
Distinct phenotypes and repertoires of bronchoalveolar and airway mucosal T cells in health and allergic asthma
该数据集来自 NCBI GEO,包含健康对照与过敏性哮喘受试者经支气管肺泡灌洗和支气管内刷检分离的 T 细胞转录组表达谱,采用高通量测序。数据可用于比较两种采样方式所捕获 T 细胞表型与克隆型的差异,并分析哮喘与健康状态间 T 细胞亚群丰度变化,为研究肺部保护性与致病性 T 细胞反应提供基础(来源 NCBI)。
【数据集背景】
源站首次发布:May 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):T 细胞在宿主抵御呼吸道病原体中发挥核心作用,但适应不良的 T 细胞反应可导致肺部疾病。明确人类肺部保护性与致病性 T 细胞反应的生物学特征,对于提出改善呼吸健康的新方法至关重要。既往研究通过支气管肺泡灌洗(BAL)、支气管内刷检或活检获取肺部 T 细胞,但这些不同方法是否捕获了不同的 T 细胞表型和/或克隆型仍不清楚。我们旨在评估和比较健康对照(HCs)与过敏性哮喘患者(AAs)中经 BAL 与支气管内刷检分离的 T 细胞的转录特征。在比较支气管内刷检时,AAs 与 HCs 之间 T 细胞亚群丰度最显著的差异是 CD4 辅助性 2 型(Th2)细胞的富集。
【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:GPL18573、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=GSE297584
【使用注意】
· 源站最后修改于 Apr 14 202,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=GSE297584
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
T细胞在宿主抵御呼吸道病原体过程中发挥核心作用,但适应不良的T细胞反应可导致肺部疾病。明确人类肺部保护性与致病性T细胞反应的生物学特征,对于提出改善呼吸健康的新方法至关重要。既往研究通过支气管肺泡灌洗(BAL)、支气管内刷检或活检获取肺内T细胞并对其进行了研究。然而,这些不同方法是否捕获了不同的T细胞表型和/或克隆型仍不清楚。我们旨在评估并比较健康对照(HCs)和过敏性哮喘患者(AAs)中通过BAL与支气管内刷检分离的T细胞的转录特征。在比较支气管内刷检样本时,AAs与HCs之间T细胞亚群丰度最显著的差异是CD4 2型辅助性T(Th2)细胞的富集(OR=26.2,P=0.002),而检查BAL时则未见此差异(OR=1.7,P=0.46),表明BAL与气道黏膜标本处理所捕获的T细胞亚群存在差异。TCR repertoire分析显示,刷检T细胞含有显著扩增的TCR克隆。
从刷检样本中扩增出的T细胞克隆高表达驻留记忆标志物,提示气道黏膜中富集具有独特TCR特异性的TRM细胞。
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。




