有益环境通过表观遗传调控促进免疫韧性 [scRNA-seq]
研究涉及农场粉尘提取物对 OVA 诱导过敏性炎症小鼠肺部免疫功能的影响,发现暴露后单核细胞来源巨噬细胞基因表达改变,并涉及 HDAC 活性与 PPARγ 信号
![GSE307573: A beneficial environment promotes immune resilience through epigenetic regulation [scRNA-seq]](/medical-api/medicalDataset/datasetCover/146029.jpg)
基本信息
资源简介
有益环境通过表观遗传调控促进免疫韧性 [scRNA-seq]
A beneficial environment promotes immune resilience through epigenetic regulation [scRNA-seq]
该数据集来自 NCBI GEO(GSE307573),包含 1 个文件(GSE307573_series_matrix.txt.gz),主题为有益环境通过表观遗传调控促进免疫韧性,采用 scRNA-seq 技术。研究涉及农场粉尘提取物对 OVA 诱导过敏性炎症小鼠肺部免疫功能的影响,发现暴露后单核细胞来源巨噬细胞基因表达改变,并涉及 HDAC 活性与 PPARγ 信号。数据可用于呼吸系统疾病/哮喘相关的免疫细胞转录组分析(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 10 202。
【数据内容】
源站描述(机器翻译,仅供参考):环境因素通常有害;然而,某些环境能增强免疫韧性。值得注意的是,在传统农场长大的儿童过敏和哮喘患病率较低。在此,我们研究了有益环境(使用农场粉尘(FD)提取物)如何影响 OVA 诱导的过敏性炎症中的肺部免疫功能。FD 暴露减少了过敏性肺部炎症并增加了单核细胞来源巨噬细胞(MDM)的募集。scRNA-seq 显示,FD 暴露的 MDM 基因表达发生改变,包括 Ccl8 和 MHCII 表达减弱,从而损害嗜酸性粒细胞募集和抗原呈递。RNA-seq 和 ATAC-seq 在体外证实了 FD 诱导的表观遗传重编程,作用于骨髓来源巨噬细胞。这种调节在人类和小鼠细胞中均可见,依赖于由 PPARγ 信号维持的 HDAC 活性。这些发现表明,有益环境
【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=GSE307573
【使用注意】
· 源站最后修改于 Mar 06 202,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=GSE307573
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
环境因素往往有害;然而,某些环境可增强免疫韧性。值得注意的是,在传统农场长大的儿童过敏和哮喘患病率较低。本研究探讨了有益环境(以农场粉尘提取物FD为代表)如何影响OVA诱导的过敏性炎症中的肺免疫功能。FD暴露减轻了过敏性肺部炎症,并增加了单核细胞来源巨噬细胞(MDM)的募集。scRNA-seq显示,FD暴露的MDM基因表达发生改变,包括Ccl8和MHCII表达受抑,从而削弱了嗜酸性粒细胞募集和抗原呈递。RNA-seq和ATAC-seq在体外实验中、于骨髓来源巨噬细胞上证实了FD诱导的表观遗传重编程。这种调控在人类和小鼠细胞中均可见,依赖于PPARγ信号维持的HDAC活性。这些发现表明,有益的环境暴露可重编程免疫细胞,并可能为哮喘预防提供新策略。
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。




