PRJNA1509194：单细胞转录组测序揭示小鼠肺炎支原体肺炎模型的免疫致病反应
该数据集来自 NCBI，包含小鼠肺炎支原体肺炎模型的单细胞转录组测序数据。研究对雄性 BALB/c 小鼠（4–5 周龄）在对照条件和感染后第 5 天的肺部 CD45⁺ 白细胞进行 FACS 分选，使用 10x Genomics 平台建库并在 Illumina NextSeq 500/550 测序
基本信息
资源简介
PRJNA1509194：单细胞转录组测序揭示小鼠肺炎支原体肺炎模型的免疫致病反应
该数据集来自 NCBI，包含小鼠肺炎支原体肺炎模型的单细胞转录组测序数据。研究对雄性 BALB/c 小鼠（4–5 周龄）在对照条件和感染后第 5 天的肺部 CD45⁺ 白细胞进行 FACS 分选，使用 10x Genomics 平台建库并在 Illumina NextSeq 500/550 测序。数据包括处理后的细胞-基因 UMI 表达矩阵、UMAP 降维坐标及基于 Louvain 算法和经典标记的细胞聚类注释，可用于分析肺炎支原体感染期间肺部免疫细胞的异质性和免疫致病反应（来源 ncbi.nlm.nih.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究生成了通过 FACS 从雄性 BALB/c 小鼠（4–5 周龄）分离的活力肺部 CD45⁺ 白细胞的单细胞 RNA 测序（scRNA-seq）数据集，涵盖对照条件和感染肺炎支原体（Mut129 株，1 x 10^8CCU/mL，50 µL/天，持续 3 天；每组 n = 2 只小鼠）后第 5 天。单细胞文库使用 10x Genomics Chromium Single Cell 3′ Kit（v3.1）制备，每个样本目标捕获 6,000–8,000 个细胞，并在 Illumina NextSeq 500/550 平台上测序。所得数据集包含处理后的细胞-基因 UMI 表达矩阵、UMAP 降维坐标以及使用 Louvain 算法（分辨率 = 0.8）和经典细胞标记物得出的细胞聚类注释，用于表征 MP 感染期间局部肺部免疫异质性。
【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/PRJNA1509194
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/PRJNA1509194
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
本研究生成了在对照条件下以及肺炎支原体感染后第5天，通过FACS从雄性BALB/c小鼠（4–5周龄）中分离的存活肺CD45⁺白细胞的单细胞RNA测序（scRNA-seq）数据集（Mut129株，1 x 10^8 CCU/mL，50 µL/天，连续3天；每组n = 2只小鼠）。使用10x Genomics Chromium Single Cell 3′试剂盒（v3.1）制备单细胞文库，每个样本的目标捕获细胞数为6,000–8,000个，并在Illumina NextSeq 500/550平台上进行测序。所得数据集包含处理后的细胞-by-基因UMI表达矩阵、UMAP降维坐标，以及使用Louvain算法（分辨率 = 0.8）和经典细胞标志物得出的细胞簇注释，用以表征MP感染期间肺部局部免疫异质性。
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。
