PRJNA607333:城市儿童过敏性哮喘伴气道阻塞的内型

该数据集来自NCBI,属于呼吸系统疾病/哮喘分类,主题为转录组或基因表达。样本为URECA高风险哮喘出生队列中11岁儿童采集的鼻刷样本,用于识别与临床表型随时间相关的 airway gene expression 模式

sra
浏览 10
基因组分类Transcriptome or Gene expression
PRJNA607333: Endotype of Allergic Asthma with Airway Obstruction in Urban Children

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-20

资源简介

PRJNA607333:城市儿童过敏性哮喘伴气道阻塞的内型

该数据集来自NCBI,属于呼吸系统疾病/哮喘分类,主题为转录组或基因表达。样本为URECA高风险哮喘出生队列中11岁儿童采集的鼻刷样本,用于识别与临床表型随时间相关的 airway gene expression 模式。源站描述指出,生命最初十年内,高风险城市儿童会形成稳定的呼吸健康或疾病表型,这些表型将早期环境暴露与儿童过敏性致敏及哮喘联系起来,且鼻基因表达的独特模式揭示了特定分子通路如何构成不同呼吸表型的基础,包括过敏性与非过敏性哮喘。数据可用于研究儿童哮喘相关基因表达模式与临床表型之间的关联(来源 ncbi.nlm.nih.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):在生命最初的十年中,高哮喘风险的城市儿童会形成稳定的呼吸健康与疾病表型,这些表型将早期生活环境暴露与儿童过敏性致敏和哮喘联系起来。此外,鼻基因表达的独特模式表明,特定分子通路如何构成不同呼吸表型的基础,包括过敏性和非过敏性哮喘。总体设计:URECA是一项高风险哮喘出生队列研究。这些样本是11岁时采集的鼻刷样本。它们被用于识别随时间推移与临床表型相关的气道基因表达模式。

【主题与分类】

主题标签:Transcriptome or Gene expression。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/bioproject/PRJNA607333

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/bioproject/PRJNA607333

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

在生命最初的十年里,高哮喘风险的城市儿童会形成稳定的呼吸健康与疾病表型,这些表型将早期生活环境暴露与儿童期过敏致敏和哮喘联系起来。此外,独特的鼻部基因表达模式揭示了特定分子通路如何构成不同呼吸表型的基础,包括过敏性和非过敏性哮喘。总体设计:URECA是一项高哮喘风险出生队列研究。这些样本是11岁时采集的鼻刷样本。它们被用于识别随时间推移与临床表型相关的气道基因表达模式。

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