肺炎克雷伯菌MS6671经PBT2与colistin处理的RNAseq转录组分析
数据聚焦于多粘菌素耐药、产ESBL、耐碳青霉烯革兰阴性病原体,研究PBT2恢复抗生素敏感性的能力,涉及K. pneumoniae、E. coli、A. baumannii和P. aeruginosa对多粘菌素类抗生素及FADDI-287的再敏感化

基本信息
资源简介
肺炎克雷伯菌MS6671经PBT2与colistin处理的RNAseq转录组分析
RNAseq transcriptome analysis of K. pneumoniae MS6671 with PBT2 and colistin
该数据集为肺炎克雷伯菌MS6671在PBT2与colistin处理下的RNAseq转录组分析数据,来源于NCBI,包含1个文件(GSE153553_series_matrix.txt.gz)。数据聚焦于多粘菌素耐药、产ESBL、耐碳青霉烯革兰阴性病原体,研究PBT2恢复抗生素敏感性的能力,涉及K. pneumoniae、E. coli、A. baumannii和P. aeruginosa对多粘菌素类抗生素及FADDI-287的再敏感化。可用于分析PBT2联合用药下的基因表达变化,探索耐药逆转机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):耐碳青霉烯和产超广谱β-内酰胺酶(ESBL)细菌中多粘菌素耐药性的出现是对人类健康的严重威胁,迫切需要新的治疗策略。在此,我们研究了安全用于人体的离子载体PBT2恢复多粘菌素耐药、产ESBL、耐碳青霉烯革兰阴性人类病原体抗生素敏感性的能力。观察到PBT2可使肺炎克雷伯菌、大肠埃希菌、鲍曼不动杆菌和铜绿假单胞菌对最后防线多粘菌素类抗生素(包括毒性较低的下一代多粘菌素衍生物FADDI-287)重新敏感。我们无法在多粘菌素耐药、含有质粒携带mcr-1基因的大肠埃希菌或携带染色体mgrB突变的肺炎克雷伯菌中选择出对PBT2 + FADDI-287耐药的突变体。使用高侵袭性肺炎克雷伯菌株工程
【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:GPL25164、573。本站分类:呼吸系统疾病/肺炎。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE153553
【使用注意】
· 源站最后修改于 Jul 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=GSE153553
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
耐碳青霉烯类且产超广谱β-内酰胺酶(ESBL)的细菌对多黏菌素耐药性的出现,对人类健康构成严重威胁,迫切需要新的治疗策略。在此,我们研究了对人体安全的离子载体PBT2恢复耐多黏菌素、产ESBL、耐碳青霉烯的革兰阴性人类病原体对抗生素敏感性的能力。观察到PBT2可使肺炎克雷伯菌、大肠埃希菌、鲍曼不动杆菌和铜绿假单胞菌对最后防线多黏菌素类抗生素重新敏感,包括毒性较低的下一代多黏菌素衍生物FADDI-287。在含质粒携带mcr-1基因的耐多黏菌素大肠埃希菌或携带染色体mgrB突变的肺炎克雷伯菌中,我们未能筛选出对PBT2 + FADDI-287耐药的突变体。利用通过mgrB突变工程化获得多黏菌素耐药性的高侵袭性肺炎克雷伯菌菌株,我们成功证明了PBT2 + FADDI-287在体内治疗革兰阴性脓毒症的有效性。这些数据提供了一种新的治疗模式,用以打破高优先级耐多黏菌素革兰阴性病原体的抗生素耐药性。
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。




