HIV感染猕猴模型中磺胺甲噁唑生物转化通路的表达
该数据集来自 NCBI GEO,标题为 HIV 感染猕猴模型中磺胺甲噁唑生物转化通路的表达,包含 1 个表达谱芯片文件(GSE87158_series_matrix.txt.gz),平台为 GPL17015,物种为 9544

基本信息
资源简介
HIV感染猕猴模型中磺胺甲噁唑生物转化通路的表达
Expression of sulfamethoxazole biotransformation pathways in a macaque model of HIV infection
该数据集来自 NCBI GEO,标题为 HIV 感染猕猴模型中磺胺甲噁唑生物转化通路的表达,包含 1 个表达谱芯片文件(GSE87158_series_matrix.txt.gz),平台为 GPL17015,物种为 9544。数据聚焦 HIV 感染背景下增效磺胺类抗生素(如 TMP/SMX)相关超敏反应及生物转化通路表达,可用于研究磺胺类药物在 HIV 感染者中延迟超敏反应风险升高的分子机制,并支持表达谱分类分析(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 21 201。
【数据内容】
源站描述(机器翻译,仅供参考):增效磺胺类抗生素,如甲氧苄啶/磺胺甲噁唑(复方磺胺甲噁唑或 TMP/SMX),仍是治疗和预防 HIV 感染中耶氏肺孢子菌肺炎、弓形虫脑炎和等孢子球虫感染的首选药物(aidsinfo.nih.gov)。然而,与一般人群(发生率 3%)相比,HIV 感染患者对 TMP/SMX 发生延迟超敏(HS)反应的风险显著增加(发生率 20-57%)。典型表现为斑丘疹伴或不伴发热,TMP/SMX 是 HIV 感染患者皮肤药物反应最常见的原因。在病情更严重的患者中,TMP/SMX 还可导致血小板减少、肝毒性和大疱性皮疹。磺胺类 HS 的风险随 AIDS 进展而增加,CD4+ 计数越低风险越高。这一风险至少被归因于
【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、GPL17015、9544。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=GSE87158
【使用注意】
· 源站最后修改于 Jul 11 201,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=GSE87158
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
增效磺胺类抗生素,如甲氧苄啶/磺胺甲噁唑(复方磺胺甲噁唑或TMP/SMX),仍是治疗和预防HIV感染中耶氏肺孢子菌肺炎、弓形虫脑炎和等孢子球虫感染的首选药物(aidsinfo.nih.gov)。然而,与一般人群相比(发病率3%),HIV感染者对TMP/SMX发生迟发型超敏反应的风险显著增加(发病率20-57%)。典型表现为斑丘疹伴或不伴发热,且TMP/SMX是HIV感染者皮肤药物反应最常见的原因。在病情更严重的患者中,TMP/SMX还可导致血小板减少、肝毒性和大疱性皮肤疹。磺胺类超敏反应的风险随着艾滋病进展而增加,CD4+计数越低风险越高。这种风险至少部分归因于HIV感染中获得的SMX药物处置改变。我们假设HIV感染导致肝脏SMX解毒受损或SMX生物活化途径增强,这可能促成磺胺类超敏反应发生率增加。
我们利用感染SIVmac239的猕猴肝脏组织来探讨这一问题,该模型是公认的HIV感染模型。本研究旨在评估未接受药物治疗的SIV感染猕猴与性别、年龄相匹配的未感染对照组相比,肝脏中SMX生物转化通路的表达和活性差异。
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。




