GSE143601:通过靶向失调产孢途径降低烟曲霉毒力
该数据集来自 NCBI GEO(GSE143601),研究烟曲霉产孢途径失调对毒力的影响。实验将产孢关键转录调控因子 brlA 置于多西环素诱导型启动子控制下,在体外和体内观察到多西环素诱导的时间与剂量依赖性 brlA 过表达

基本信息
资源简介
GSE143601:通过靶向失调产孢途径降低烟曲霉毒力
Reducing Aspergillus fumigatus virulence through targeted dysregulation of the conidiation pathway
该数据集来自 NCBI GEO(GSE143601),研究烟曲霉产孢途径失调对毒力的影响。实验将产孢关键转录调控因子 brlA 置于多西环素诱导型启动子控制下,在体外和体内观察到多西环素诱导的时间与剂量依赖性 brlA 过表达。数据包含 1 个文件(GSE143601_series_matrix.txt.gz),采用高通量测序进行表达谱分析,平台为 GPL28001,物种为 746128(烟曲霉)。可用于研究产孢途径调控与真菌毒力关系及呼吸系统感染相关表达特征(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):免疫受损宿主吸入机会性霉菌烟曲霉的分生孢子可导致侵袭性肺部疾病。逃避免疫防御的吸入分生孢子萌发形成侵入肺组织的丝状菌丝。在人类宿主的侵袭性感染期间很少发生产孢,使大部分真菌能量用于营养生长。我们假设在感染期间强制诱导产孢可抑制烟曲霉营养生长,削弱该微生物致病能力。为研究产孢途径失调对烟曲霉毒力的影响,将产孢的关键转录调控因子(brlA)置于多西环素诱导型启动子控制下表达。在体外和体内均观察到响应多西环素的时间和剂量依赖性 brlA 过表达。暴露于
【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:GPL28001、746128。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE143601
【使用注意】
· 源站最后修改于 Feb 18 202,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=GSE143601
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
免疫受损宿主吸入机会性霉菌烟曲霉(Aspergillus fumigatus)的分生孢子可导致侵袭性肺部疾病。逃逸免疫防御的吸入分生孢子萌发形成丝状菌丝,侵入肺组织。在人类宿主的侵袭性感染过程中,产孢现象罕见发生,使得真菌的大部分能量得以导向营养生长。我们假设,在感染期间强制诱导产孢能够抑制烟曲霉的营养生长,削弱该微生物致病的能力。为研究产孢途径失调对烟曲霉毒力的影响,我们将产孢的关键转录调控因子(brlA)置于多西环素诱导型启动子的控制下表达。在体外和体内,均观察到brlA过表达对多西环素呈现出时间和剂量依赖性响应。在体外营养生长条件下,将可诱导的brlA过表达菌株暴露于低剂量多西环素可诱导产孢,而高剂量则阻止生长。brlA的过表达在无脊椎动物和小鼠侵袭性曲霉病模型中均减弱了烟曲霉的毒力。
RNA测序研究和表型分析显示,brlA过表达导致细胞信号传导、氨基酸和碳水化合物代谢发生改变,包括海藻糖生物合成的显著上调和多糖毒力因子半乳糖氨基半乳聚糖生物合成的下调。这项概念验证研究表明,激活烟曲霉中的分生孢子形成途径可以降低毒力,并提示诱导brlA的小分子有望成为治疗烟曲霉感染的一类新型疗法。
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。




