儿童难治性与鼻病毒阳性哮喘的单细胞分析
该数据集来自NCBI GEO,包含儿童难治性哮喘(n=5)、鼻病毒阳性哮喘(n=4)和健康对照(n=6)的支气管肺泡灌洗液样本,经单细胞RNA测序及整合生物信息学分析,并与成人哮喘数据集进行跨年龄比较

基本信息
资源简介
儿童难治性与鼻病毒阳性哮喘的单细胞分析
Single-cell analysis reveals epithelial alarmin-associated immune architecture in pediatric refractory and rhinovirus-positive asthma
该数据集来自NCBI GEO,包含儿童难治性哮喘(n=5)、鼻病毒阳性哮喘(n=4)和健康对照(n=6)的支气管肺泡灌洗液样本,经单细胞RNA测序及整合生物信息学分析,并与成人哮喘数据集进行跨年龄比较。数据可用于探索儿童难治性哮喘与病毒相关急性加重中的上皮警报素相关免疫结构,支持哮喘亚型分类及儿童与成人哮喘差异研究(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:儿童哮喘日益被认为在生物学上与成人哮喘不同,但难治性哮喘和病毒相关急性加重背后的细胞组织仍不清楚。特别是,慢性气道重塑和急性病毒反应如何在儿童气道微环境中整合尚不明确。方法:哮喘儿童被分为难治性哮喘(根据全球哮喘防治创议标准定义)和鼻病毒阳性哮喘(通过qPCR确认的鼻病毒感染定义)。对难治性哮喘(n=5)、鼻病毒阳性哮喘(n=4)和健康对照(n=6)儿童的支气管肺泡灌洗液样本进行单细胞RNA测序,随后进行整合生物信息学分析,并与成人哮喘数据集进行跨年龄比较。对照样本获得自
【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:GPL24676、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=GSE329513
【使用注意】
· 源站最后修改于 Sep 24 202,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=GSE329513
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
背景:儿童哮喘日益被认为在生物学上与成人哮喘不同,但难治性哮喘及病毒相关急性发作背后的细胞组织构成仍不明确。特别是,慢性气道重塑与急性病毒反应如何在儿童气道微环境中整合,尚不清楚。方法:哮喘患儿被分为难治性哮喘(依据全球哮喘防治创议标准定义)和鼻病毒阳性哮喘(经qPCR确认鼻病毒感染定义)。对难治性哮喘患儿(n = 5)、鼻病毒阳性哮喘患儿(n = 4)和健康对照(n = 6)的支气管肺泡灌洗液样本进行单细胞RNA测序,随后进行整合生物信息学分析,并与成人哮喘数据集进行跨年龄比较。对照来自因非炎症性指征接受支气管镜检查且无特应性病史或气道炎症性疾病史的个体。
结果:儿童难治性哮喘表现为上皮细胞代表性增加、上皮警报素相关基因表达升高、趋化因子和干扰素刺激基因特征增强,以及重塑相关基因表达增加。细胞间通讯分析发现,通过FN1–CD44/αVβ整合素相互作用介导的巨噬细胞向上皮细胞信号传导增强。鼻病毒阳性哮喘表现出更明显的炎症特征,以T细胞丰度增加、趋化因子和干扰素反应增强,以及通过CCL5–CCR1轴增强的CTL–巨噬细胞通讯为特征。跨年龄比较表明,儿童哮喘中上皮警报素相关特征相对较高,而成人哮喘中趋化因子相关特征更强。
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。




