利用人诱导多能干细胞(iPSC)建模重度哮喘支气管上皮
该数据集来自 clinicaltrials.gov,聚焦重度哮喘与变应性支气管肺曲霉病(ABPA)的支气管上皮建模,采用人诱导多能干细胞(iPSC)方法

基本信息
资源简介
利用人诱导多能干细胞(iPSC)建模重度哮喘支气管上皮
该数据集来自 clinicaltrials.gov,聚焦重度哮喘与变应性支气管肺曲霉病(ABPA)的支气管上皮建模,采用人诱导多能干细胞(iPSC)方法。源站描述指出,重度哮喘在最大剂量吸入治疗且合并症与诱发因素已优化管理后仍无法控制;ABPA 是针对烟曲霉的免疫反应所致的复杂支气管肺疾病。两者在细胞与分子层面均属慢性支气管疾病,以2型(T2)气道炎症、支气管平滑肌增生、黏液细胞化生致黏液过度分泌及上皮重塑为特征,T2炎症以嗜酸性粒细胞、肥大细胞、Th2细胞、ILC2s和树突状细胞等免疫细胞聚集为主。该数据可用于研究重度哮喘与ABPA的支气管上皮机制及建模(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):病症:重度哮喘、变应性支气管肺曲霉病(ABPA)。当最大剂量的吸入治疗无法控制哮喘,且合并症及其他诱发或加重因素的管理已优化时,哮喘即为重度。变应性支气管肺曲霉病(ABPA)是一种复杂的支气管肺疾病,由针对烟曲霉的免疫反应引起。在细胞和分子水平上,重度哮喘和ABPA是以2型(T2)气道炎症、支气管平滑肌增生、黏液细胞化生导致的黏液过度分泌以及上皮重塑为特征的慢性支气管疾病。哮喘中的2型炎症占主导地位,其特征是免疫细胞积聚,如嗜酸性粒细胞、肥大细胞、2型辅助性T(Th2)细胞、2型固有淋巴细胞(ILC2s)和树突状细胞。持续的
【主题与分类】
主题标签:Severe Asthma。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT05616338
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://clinicaltrials.gov/study/NCT05616338
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
疾病:重度哮喘、变应性支气管肺曲霉病(ABPA)。当最大剂量的吸入治疗无法控制哮喘,且合并症及其他诱发或加重因素的管理已优化时,即为重度哮喘。变应性支气管肺曲霉病(ABPA)是一种复杂的支气管肺部疾病,由针对烟曲霉的免疫反应引起。在细胞和分子水平上,重度哮喘和ABPA是以2型(T2)气道炎症、支气管平滑肌增生、黏液细胞化生导致的黏液过度分泌以及上皮重塑为特征的慢性支气管疾病。哮喘中的2型炎症占主导地位,其特征是免疫细胞的积聚,如嗜酸性粒细胞、肥大细胞、2型辅助性T(Th2)细胞、2型固有淋巴样细胞(ILC2s)和树突状细胞。尽管接受了最大限度的治疗,持续性气道阻塞目前仍被认为是哮喘治疗中最大的未满足医疗需求。Fahy及其同事在2018年发表了一篇可能解释气道阻塞的关键论文。
利用胸部CT扫描,他们证实了严重哮喘患者气道中存在完全阻塞气道段的黏液栓。这些黏液栓与血液中高数量的循环嗜酸性粒细胞相关。目前尚无大规模模型来模拟严重哮喘和ABPA。研究人员提议利用这些患者生成的多能干细胞(iPSC)在气液界面(称为iALI)上开发支气管上皮,旨在模拟严重哮喘和ABPA,特别是上皮。次要目标旨在回答以下问题:* 将iPSC衍生的气道上皮与从同一患者分离的鼻上皮细胞(鼻刷)进行比较。* 表征来自ABPA和T2严重哮喘患者的iPSC衍生气道上皮的表型,并与健康对照进行比较。* 将iPSC分化为成熟嗜酸性粒细胞 * 将上皮与iPSC衍生的嗜酸性粒细胞共培养 * 培养iP
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。




