COVID-19继发性细菌性肺炎前抗菌免疫信号受损与肺部微生物组变化(scRNA-seq)
该数据集来自NCBI,聚焦COVID-19重症患者继发性细菌性肺炎(VAP)发生前的下呼吸道宿主免疫应答与微生物组动态。数据包含单细胞RNA测序等系统生物学评估,可用于分析VAP发生前两周以上的抗菌免疫信号受损及肺部微生物组多样性变化,支持呼吸系统疾病与肺炎相关研究(来源 NCBI)

基本信息
资源简介
COVID-19继发性细菌性肺炎前抗菌免疫信号受损与肺部微生物组变化(scRNA-seq)
Impaired antibacterial immune signaling and changes in the lung microbiome precedes secondary bacterial pneumonia in COVID-19 (scRNA-seq)
该数据集来自NCBI,聚焦COVID-19重症患者继发性细菌性肺炎(VAP)发生前的下呼吸道宿主免疫应答与微生物组动态。数据包含单细胞RNA测序等系统生物学评估,可用于分析VAP发生前两周以上的抗菌免疫信号受损及肺部微生物组多样性变化,支持呼吸系统疾病与肺炎相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们对COVID-19患者下呼吸道宿主免疫应答和微生物组动态进行了系统生物学评估,使用了bulk RNA测序、单细胞RNA测序以及微生物组分析等技术。我们重点关注重症COVID-19患者在病程中发生呼吸机相关性肺炎(VAP)者与未发生VAP者的差异基因表达。我们发现,与未发生VAP的COVID-19患者相比,发生VAP的患者在VAP出现前两周或更早即存在抗菌免疫信号受损。病毒载量无显著差异,但通过alpha和beta多样性指标发现肺部微生物组紊乱存在关联。
【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:GPL27644、9606。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=GSE168018
【使用注意】
· 源站最后修改于 Jul 12 202,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=GSE168018
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
我们对COVID-19患者下呼吸道宿主免疫反应和微生物组动态进行了系统生物学评估,采用了bulk RNA测序、单细胞RNA测序以及微生物组分析等技术。我们的重点是比较病程中发生呼吸机相关性肺炎(VAP)的重症COVID-19患者与未发生VAP的重症COVID-19患者之间的差异基因表达。我们发现,与未发生VAP的COVID-19患者相比,发生VAP的患者在VAP出现前两周或更早即存在抗菌免疫信号通路的早期损伤。病毒载量无显著差异,但通过α多样性和β多样性指标发现肺部微生物组的紊乱存在关联。
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。




