GSE56396:气道转录组无创分析区分哮喘临床表型

该数据集来自 NCBI GEO,聚焦呼吸系统疾病中的哮喘,采用 Affymetrix HuGene ST 1.0 芯片检测受试者诱导痰中的基因表达,并通过无监督聚类识别哮喘转录组内型(TEA),再比较不同聚类间的临床特征

geo
浏览 8
基因组分类Expression profiling by arrayGPL62449606
GSE56396: Non-invasive Analysis of the Airway Transcriptome Discriminates Clinical Phenotypes of Asthma

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-21

资源简介

GSE56396:气道转录组无创分析区分哮喘临床表型

Non-invasive Analysis of the Airway Transcriptome Discriminates Clinical Phenotypes of Asthma

该数据集来自 NCBI GEO,聚焦呼吸系统疾病中的哮喘,采用 Affymetrix HuGene ST 1.0 芯片检测受试者诱导痰中的基因表达,并通过无监督聚类识别哮喘转录组内型(TEA),再比较不同聚类间的临床特征。数据含 1 个文件(GSE56396_series_matrix.txt.gz),可用于探索气道转录组与哮喘临床表型之间的关联,并支持基于表达谱的哮喘分型研究(来源 NCBI)。

【数据集背景】

源站首次发布:Apr 01 201。

【数据内容】

源站描述(机器翻译,仅供参考):评估气道转录组可能揭示与哮喘临床表型相关的基因表达模式。为定义哮喘的转录组内型(TEA),我们分析了诱导痰中与疾病表型相关的基因表达。使用 Affymetrix HuGene ST 1.0 微阵列测量哮喘受试者痰液中的基因表达。对基因进行无监督聚类分析以识别 TEA 聚类。比较了临床特征。

【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、GPL6244、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=GSE56396

【使用注意】

· 源站最后修改于 Jan 08 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE56396

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

气道转录组的评估可能揭示与哮喘临床表型相关的基因表达模式。为了定义哮喘的转录组内型(TEA),我们分析了诱导痰中与疾病表型相关的基因表达。使用Affymetrix HuGene ST 1.0微阵列检测哮喘受试者痰液中的基因表达。通过无监督聚类分析对基因进行识别,确定了TEA聚类。比较了临床特征。

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。

获取专属数据定制方案