小鼠铜绿假单胞菌慢性肺炎模型肺组织时间序列RNA-seq分析
该数据集为GEO系列,提供时间序列转录组数据,用于研究小鼠模型中铜绿假单胞菌慢性肺炎建立过程中的宿主动态反应。研究采用海藻酸盐微球包裹细菌的新型感染方法实现持续感染,在雌性C57BL/6J小鼠中经气管滴注建立慢性肺炎模型,并于感染后四个关键时间点采集肺组织进行RNA-seq分析:未感染对照(第0天)

基本信息
资源简介
小鼠铜绿假单胞菌慢性肺炎模型肺组织时间序列RNA-seq分析
该数据集为GEO系列,提供时间序列转录组数据,用于研究小鼠模型中铜绿假单胞菌慢性肺炎建立过程中的宿主动态反应。研究采用海藻酸盐微球包裹细菌的新型感染方法实现持续感染,在雌性C57BL/6J小鼠中经气管滴注建立慢性肺炎模型,并于感染后四个关键时间点采集肺组织进行RNA-seq分析:未感染对照(第0天)以及感染后第3天(急性期)、第7天(过渡期)和第14天(慢性期,以持续高细菌载量和组织病理损伤为特征),每组包含多个生物学重复。该数据可用于分析宿主基因表达动态变化,识别与急性和慢性感染阶段相关的转录特征(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):该GEO系列提供时间序列转录组数据集,用于研究小鼠模型中铜绿假单胞菌慢性肺炎建立过程中的宿主动态反应。该研究采用一种使用海藻酸盐微球包裹细菌的新型感染方法以实现持续感染。实验设计:通过气管滴注海藻酸盐微球包裹的铜绿假单胞菌在雌性C57BL/6J小鼠中建立慢性肺炎模型。在感染后四个关键时间点采集肺组织样本进行RNA-seq分析:未感染对照(第0天),以及感染组第3天(急性期)、第7天(过渡期)和第14天(慢性期,以持续高细菌载量和组织病理损伤为特征)。每组包含多个生物学重复。表型验证包括纵向me
【主题与分类】
主题标签:Transcriptome or Gene expression。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/bioproject/PRJNA1440343
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/PRJNA1440343
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
该GEO系列提供了一个时间过程转录组数据集,用于研究小鼠模型中慢性铜绿假单胞菌肺炎建立过程中的宿主动态反应。该研究采用了一种新型感染方法,使用藻酸盐微球包裹的细菌以实现持续感染。实验设计:通过气管内滴注藻酸盐微球包裹的铜绿假单胞菌,在雌性C57BL/6J小鼠中建立慢性肺炎模型。感染后四个关键时间点收集肺组织样本进行RNA-seq分析:未感染对照组(第0天),以及感染组第3天(急性期)、第7天(过渡期)和第14天(慢性期,以持续高细菌载量和组织病理学损伤为特征)。每组包含多个生物学重复。表型验证包括细菌载量、组织病理学、炎性细胞因子和免疫细胞浸润的纵向测量。
数据内容:本提交包含来自上述四个时间点组(第0、3、7和14天)肺组织的原始测序reads(FASTQ文件)和经处理的基因表达数据。该数据集捕获了从基线稳态经急性炎症至确立慢性感染的完整转录轨迹。关键发现(来自相关研究):转录组分析揭示了宿主肺的时间依赖性重编程。感染后第3天的标志是参与急性炎症和免疫防御通路的基因强烈上调。至第14天,一种独特的慢性感染特征出现,表现为一部分防御基因的持续表达,同时与多种代谢过程(如脂质和氨基酸代谢)相关的基因显著下调。该基因表达谱与观察到的细菌持续存在(约2000 CFU)、进行性组织损伤以及改变的免疫
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。




