大鼠病毒后细支气管炎后遗症的时序转录组特征
研究利用 Sendai 病毒感染断奶大鼠模型,比较感染后哮喘易感品系 BN 与抗性品系 F344 的转录组特征,旨在定义与病毒后细支气管炎后遗症相关的分子通路

基本信息
资源简介
大鼠病毒后细支气管炎后遗症的时序转录组特征
Temporal Transcriptomic Signatures Associated with Post-viral Bronchiolitis Sequelae in Rats
该数据集来自 NCBI GEO(GSE51267),包含 1 个文件 GSE51267_series_matrix.txt.gz,基于 GPL1355 芯片平台对大鼠(10116)进行表达谱分析。研究利用 Sendai 病毒感染断奶大鼠模型,比较感染后哮喘易感品系 BN 与抗性品系 F344 的转录组特征,旨在定义与病毒后细支气管炎后遗症相关的分子通路。数据可用于呼吸系统疾病与哮喘方向的基因表达分类与通路分析(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 30 201。
【数据内容】
源站描述(机器翻译,仅供参考):生命早期呼吸道病毒感染与特应性特征是儿童哮喘发展的重要危险因素。据推测,反复的呼吸道病毒感染可能通过干扰肺成熟正常过程而诱导结构重塑;然而,介导这些发展的具体分子过程尚不清楚。为定义相关分子通路,我们使用在断奶大鼠中建立的 Sendai 病毒感染模型,比较感染后哮喘易感品系(BN)与感染后哮喘抗性品系(F344)之间的转录组特征。特定于该断奶模型而未在成年模型中描述的是,易感品系中的 Sendai 病毒感染导致远端气道形态学异常并持续至成年期,提示正常肺生长受到破坏。
【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:Expression profiling by array、GPL1355、10116。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=GSE51267
【使用注意】
· 源站最后修改于 Jul 31 201,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=GSE51267
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
生命早期呼吸道病毒感染与特应性特征系儿童哮喘发生的重要危险因素。据推测,反复的呼吸道病毒感染可能通过干扰肺成熟的正常过程而诱导结构重塑;然而,介导上述变化的具体分子过程尚不清楚。为明确相关分子通路,我们采用在断奶大鼠中已充分建立的仙台病毒感染模型,比较感染后哮喘易感品系(BN)与感染后哮喘抵抗品系(F344)之间的转录组特征。该断奶模型所特有的、且在成年模型中未见描述的现象是:易感品系感染仙台病毒后,远端气道出现形态学异常并持续至成年期,提示正常肺生长受到干扰。来自感染肺与对照肺在五个时间点的基因表达数据显示,与F344大鼠相比,BN大鼠肺内病毒感染后免疫应答的特定特征增强且延长。
这些特征包括巨噬细胞数量及相关基因表达的增多,随后转变为肥大细胞数量及相关基因表达的增多。与感染BN肺中增强的免疫反应形成对比,感染F344肺显示出更有效的再上皮化。我们得出结论:感染BN肺而非F344肺中出现并持续存在的结构缺陷,是在病毒感染引发显著的巨噬细胞和肥大细胞反应、同时伴随再上皮化不足的背景下发生的。
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。




