GSE338526:IL-9R/Arg1通路促进人气道巨噬细胞多胺代谢
该数据集来自NCBI GEO,包含1个文件(GSE338526_series_matrix.txt.gz),采用高通量测序对健康对照与哮喘患者的CD43-和CD43+人支气管肺泡灌洗液巨噬细胞进行bulk RNA测序表达谱分析

基本信息
资源简介
GSE338526:IL-9R/Arg1通路促进人气道巨噬细胞多胺代谢
The IL-9R/Arg1 pathway promotes polyamine metabolism in human airway macrophages
该数据集来自NCBI GEO,包含1个文件(GSE338526_series_matrix.txt.gz),采用高通量测序对健康对照与哮喘患者的CD43-和CD43+人支气管肺泡灌洗液巨噬细胞进行bulk RNA测序表达谱分析。数据覆盖呼吸系统疾病/哮喘背景下巨噬细胞转录特征变化,可用于研究IL-9R/Arg1通路与多胺代谢在气道巨噬细胞中的作用,以及区分哮喘相关巨噬细胞亚群的基因表达差异(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):为了解CD43-/+巨噬细胞在过敏性炎症背景下转录特征如何变化,我们对来自健康对照和哮喘患者的流式分选CD43-和CD43+人BAL巨噬细胞进行了bulk RNA测序。主成分分析(PCA)表明,哮喘患者的CD43-巨噬细胞样本与健康对照患者的CD43-巨噬细胞明显不同,且两者均与聚集在一起的CD43+巨噬细胞群体分离。我们还观察到哮喘期间CD43-巨噬细胞特有的深刻转录反应,而比较哮喘样本与对照时,CD43+巨噬细胞中仅有小部分基因发生改变。与健康对照样本相比,哮喘样本对上调基因的影响更广泛(图s5A)。哮喘组表现出几个关键免疫基因的强烈上调
【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:GPL34281、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=GSE338526
【使用注意】
· 源站最后修改于 Oct 01 202,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=GSE338526
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
为了解CD43-/+巨噬细胞在过敏性炎症背景下转录特征的变化,我们采用流式分选获得的健康对照和哮喘患者的人BAL巨噬细胞中的CD43-和CD43+细胞进行了bulk RNA测序。主成分分析(PCA)显示,哮喘患者的CD43-巨噬细胞样本与健康对照患者的CD43-巨噬细胞明显不同,且两者均与聚集在一起的CD43+巨噬细胞群体分离。我们还观察到哮喘期间CD43-巨噬细胞特有的深刻转录反应,而将哮喘样本与对照相比时,CD43+巨噬细胞中仅有小部分基因发生改变。与健康对照样本相比,哮喘样本对上调基因的影响更为广泛(图s5A)。哮喘组表现出若干关键免疫和炎症基因的强烈上调——包括CCL18、CCL23、CCL24和CXCL9等趋化因子,以及MARCKS和C5AR1——同时伴有CEBPB、MAF和MAFB等转录因子的上调。
相反,对照组呈现出一种独特的特征,表现为少数基因的上调,其中最显著的是IKBKG和TLR7,这凸显了健康对照组与哮喘状态之间在巨噬细胞活化和信号传导方面存在明显的分子差异。
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。




