雪貂SARS-CoV-2感染的年龄依赖性致病特征
该数据集来自NCBI GEO,标题为雪貂SARS-CoV-2感染的年龄依赖性致病特征。研究将三个年龄组的雪貂感染SARS-CoV-2,发现老年雪貂(≥3岁)相比幼年(≤6个月)和年轻成年(1-2岁)组,具有更高的病毒载量、更长的鼻病毒脱落时间以及更严重的肺部炎症细胞浸润和临床症状

基本信息
资源简介
雪貂SARS-CoV-2感染的年龄依赖性致病特征
Age-dependent pathogenic characteristics of SARS-CoV-2 infection in ferrets
该数据集来自NCBI GEO,标题为雪貂SARS-CoV-2感染的年龄依赖性致病特征。研究将三个年龄组的雪貂感染SARS-CoV-2,发现老年雪貂(≥3岁)相比幼年(≤6个月)和年轻成年(1-2岁)组,具有更高的病毒载量、更长的鼻病毒脱落时间以及更严重的肺部炎症细胞浸润和临床症状。直接接触老年感染组的雪貂比接触幼年或年轻成年感染组的雪貂排出更多病毒。老年雪貂肺部的转录组分析揭示了强烈的富集。数据包含一个文件GSE189619_series_matrix.txt.gz,可用于研究年龄相关的COVID-19致病机制(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):虽然健康人群中SARS-CoV-2的血清阳性率在各年龄组之间没有显著差异,但65岁及以上人群的COVID-19死亡率相比年轻个体显著更高。为了进一步理解不同年龄患者中COVID-19表现的差异,三个年龄组的雪貂被感染SARS-CoV-2。尽管无论年龄如何,所有雪貂都能分离出SARS-CoV-2,但老年雪貂(≥3岁)相比幼年(≤6个月)和年轻成年(1-2岁)组,表现出更高的病毒载量、更长的鼻病毒脱落时间以及更严重的肺部炎症细胞浸润和临床症状。此外,与病毒感染的老年组共同饲养的直接接触雪貂比与病毒感染的幼年或年轻成年雪貂共同饲养的直接接触雪貂排出更多病毒。老年雪貂肺部的转录组分析揭示了强烈的富集。
【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:GPL28629、9669。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE189619
【使用注意】
· 源站最后修改于 Jan 28 202,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=GSE189619
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
尽管健康人群中SARS-CoV-2的血清阳性率在各年龄组间无显著差异,但65岁及以上人群的COVID-19死亡率较年轻个体显著升高。为进一步了解不同年龄患者COVID-19表现的差异,研究将三个年龄组的雪貂感染SARS-CoV-2。虽然无论年龄大小,所有雪貂均可分离出SARS-CoV-2,但与幼年(≤6个月)和年轻成年(1-2年)组相比,老年雪貂(≥3岁)表现出更高的病毒载量、更长的鼻腔排毒时间,以及更严重的肺部炎症细胞浸润和临床症状。此外,与感染病毒的老年组同笼饲养的直接接触雪貂比与感染病毒的幼年或年轻成年雪貂同笼饲养的直接接触雪貂排出更多病毒。对老年雪貂肺部的转录组分析显示,与I型干扰素、活化T细胞和M1巨噬细胞反应相关的基因集高度富集,模拟了重症COVID-19患者的基因表达谱。
因此,感染SARS-CoV-2的老年雪貂高度重现了具有严重症状的COVID-19患者情况,对于理解SARS-CoV-2与年龄相关的感染、传播及发病机制颇为有用。
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。




