囊性纤维化气道上皮细胞气液界面培养异常炎症与脂质代谢RNA表达数据集
该数据集来自NCBI GEO,包含囊性纤维化(CF)与非CF气道上皮原代细胞在气液界面培养下的RNA表达谱,采用高通量测序进行表达谱分析

基本信息
资源简介
囊性纤维化气道上皮细胞气液界面培养异常炎症与脂质代谢RNA表达数据集
Cystic fibrosis Airway primary epithelial cells in air-liquid interrface culture show abnormal inflammation and lipid metabolism related RNA expresssion compared to non-CF
该数据集来自NCBI GEO,包含囊性纤维化(CF)与非CF气道上皮原代细胞在气液界面培养下的RNA表达谱,采用高通量测序进行表达谱分析。数据覆盖CFTR缺陷相关的脂肪酸与神经酰胺代谢失衡、慢性氧化应激及促炎信号等分子特征,涉及小鼠肺组织、CFTR敲除猪及CF患者来源的支气管上皮细胞培养模型。可用于比较CF与非CF气道上皮细胞的转录差异,探索脂质代谢与炎症相关基因表达变化,为CF分子机制研究和潜在治疗靶点筛选提供数据基础(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):囊性纤维化(CF)中囊性纤维化跨膜传导调节因子(CFTR)功能缺陷导致慢性肺病。然而,其分子机制尚不明确,能够帮助所有患者的疗法仍然难以实现。CF与脂肪酸、神经酰胺和胆固醇异常相关,因此我们使用质谱、蛋白芯片和RNAseq分析,检查了CFTR缺陷对气道上皮脂质代谢和促炎信号的影响。我们在CF小鼠肺以及CFTR敲除猪和CF患者良好分化的支气管上皮细胞培养物中,观察到基础条件下脂肪酸和神经酰胺代谢的显著失衡,并伴有慢性氧化应激。所有三种CF模型的细胞自主特征包括高比例的ω-6与ω-3多不饱和脂肪酸以及长链与极长链
【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:GPL16791、9606。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=GSE154802
【使用注意】
· 源站最后修改于 Apr 07 202,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=GSE154802
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
囊性纤维化(CF)中囊性纤维化跨膜传导调节因子(CFTR)功能缺陷导致慢性肺病。然而,其分子机制尚未被充分理解,能够帮助所有患者的疗法仍然难以实现。CF与脂肪酸、神经酰胺和胆固醇的异常相关,因此我们采用质谱、蛋白质芯片和RNAseq分析,研究了CFTR缺陷对气道上皮脂质代谢和促炎信号传导的影响。我们在CF小鼠肺以及CFTR敲除猪和CF患者良好分化的支气管上皮细胞培养物中,观察到基础状态下脂肪酸和神经酰胺代谢的显著失衡,并伴有慢性氧化应激。三种CF模型的细胞自主特征均包括ω-6与ω-3多不饱和脂肪酸比值升高,以及长链与超长链神经酰胺种类(LCC/VLCC)比值升高。抗氧化剂谷胱甘肽(GSH)和去铁胺部分纠正了脂质谱,表明氧化应激可能促进脂质异常。
靶向CFTR的调节剂减少了脂质失衡和明显的氧化应激,证实了脂质比例对CFTR的依赖性。RNA测序和蛋白质阵列分析显示,与非CF细胞相比,CF上皮细胞中细胞因子和生长因子的表达及脱落更高,这与基础条件下的无菌性炎症和组织重塑相一致。使用抗氧化剂或模拟已批准联合疗法Orkambi和Trikafta的CFTR调节剂治疗并未抑制炎症表型。这些结果表明,抗炎疗法可能为服用CFTR调节剂药物的CF患者提供额外益处。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




