PRJDB44914:锌置换与代谢干扰——钴离子介导的可吸入微球广谱抗CRKP耐药肺炎治疗
该数据集为转录组测序原始数据,来源于一项关于锌置换与代谢干扰、钴离子介导的可吸入微球治疗广谱CRKP耐药肺炎的研究。数据覆盖三部分:Co2+处理的产KPC-2肺炎克雷伯菌、SCM微球处理的产NDM-1肺炎克雷伯菌,以及感染产NDM-1肺炎克雷伯菌并接受SCM微球治疗的Balb/c小鼠肺组织

基本信息
资源简介
PRJDB44914:锌置换与代谢干扰——钴离子介导的可吸入微球广谱抗CRKP耐药肺炎治疗
该数据集为转录组测序原始数据,来源于一项关于锌置换与代谢干扰、钴离子介导的可吸入微球治疗广谱CRKP耐药肺炎的研究。数据覆盖三部分:Co2+处理的产KPC-2肺炎克雷伯菌、SCM微球处理的产NDM-1肺炎克雷伯菌,以及感染产NDM-1肺炎克雷伯菌并接受SCM微球治疗的Balb/c小鼠肺组织。可用于分析耐药菌在金属离子或微球干预下的转录组变化及宿主肺组织响应(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):这些是题为《锌置换与代谢干扰:钴离子介导的可吸入微球广谱抗CRKP耐药肺炎治疗》一文中转录组测序实验的原始数据,其中:1. 对产KPC-2肺炎克雷伯菌进行Co2+处理后的RNA转录组测序(将CFU为110^5的产KPC-2肺炎克雷伯菌与40 μg mL-1 Co2+共培养12小时)。2. 对产NDM-1肺炎克雷伯菌进行SCM微球处理后的RNA转录组测序(将CFU为110^5的产NDM-1肺炎克雷伯菌与100 μg mL-1 SCM微球共培养12小时)。3. 对感染产NDM-1肺炎克雷伯菌并接受SCM微球治疗的Balb/c小鼠肺组织进行RNA转录组测序(将CFU为1*10^8的产NDM-1肺炎克雷伯菌感染Balb/c小鼠并进行治疗
【主题与分类】
主题标签:Other。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/Traces/study?acc=PRJDB44914
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/Traces/study?acc=PRJDB44914
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
以下为文章《锌置换与代谢干扰:钴离子介导的可吸入微球疗法用于广谱抗CRKP肺炎》中所进行的转录组测序实验的原始数据,其中:1. 经Co2+处理的产KPC-2肺炎克雷伯菌的RNA转录组测序(将CFU为110^5的产KPC-2肺炎克雷伯菌与40 μg mL-1 Co2+共培养12 h)。2. 经SCM微球处理的产NDM-1肺炎克雷伯菌的RNA转录组测序(将CFU为110^5的产NDM-1肺炎克雷伯菌与100 μg mL-1 SCM微球共培养12 h)。3. 感染产NDM-1肺炎克雷伯菌并接受SCM微球治疗的Balb/c小鼠肺组织的RNA转录组测序(以CFU为1*10^8的产NDM-1肺炎克雷伯菌感染Balb/c小鼠后,用200 μg SCM微球治疗12 h)。4. 共感染产NDM-1和产KPC-2肺炎克雷伯菌并接受SCM微球治疗的Balb/c小鼠肺组织的RNA转录组测序(Balb/c小鼠共感染产NDM-1和产KPC-2肺炎克雷伯菌后
肺炎克雷伯菌以1×10^8的总CFU,用200 μg SCM微球处理12小时)。
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。




