GSE200587:利用bulk和单细胞RNA测序解析肺气肿肺组织中性别依赖的树突状细胞-单核细胞谱系
该数据集来自NCBI GEO,包含小鼠肺组织的bulk和单细胞RNA测序数据,用于研究肺气肿中性别依赖的树突状细胞-单核细胞谱系

基本信息
资源简介
GSE200587:利用bulk和单细胞RNA测序解析肺气肿肺组织中性别依赖的树突状细胞-单核细胞谱系
Deconvoluting sex-dependent dendritic cell-monocyte lineages in emphysematous lung tissue with bulk and single-cell RNA sequencing
该数据集来自NCBI GEO,包含小鼠肺组织的bulk和单细胞RNA测序数据,用于研究肺气肿中性别依赖的树突状细胞-单核细胞谱系。源站描述提及对暴露于空气或香烟烟雾五个月的83,698个小鼠细胞进行分析,通过加权基因共表达网络分析鉴定出与雄性性别和卵巢切除相关的Green基因模块,并发现性别二态性改变了富集该模块的细胞簇组成和转录组。数据可用于探索肺气肿的性别差异机制及免疫细胞谱系变化(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺气肿是慢性阻塞性肺疾病的一种独特类型,性别可能影响易感性。暴露于香烟烟雾后,雄性小鼠和卵巢切除的雌性小鼠发展为更严重的肺气肿。在此,我们展示了雄性和雌性小鼠肺之间不同的bulk和单细胞转录组谱。对bulk肺RNA测序的加权基因共表达网络分析鉴定出一个与雄性性别和卵巢切除相关的Green基因模块。Green基因模块在来自83,698个暴露于空气或香烟烟雾五个月的小鼠细胞的常见单核细胞祖细胞、经典单核细胞、1型树突状细胞和巨噬细胞中富集。性别二态性改变了富集Green基因模块的细胞簇的组成和转录组。这项全面的转录组分析推进了我们对动态细胞反应的理解。
【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:GPL24247、10090。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=GSE200587
【使用注意】
· 源站最后修改于 Dec 12 202,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=GSE200587
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
肺气肿是慢性阻塞性肺疾病的一种独特类型,性别可能影响其易感性。暴露于香烟烟雾后,雄性小鼠和切除卵巢的雌性小鼠发展为更严重的肺气肿。在此,我们展示了雄性和雌性小鼠肺组织之间不同的批量及单细胞转录组图谱。对批量肺RNA测序数据进行加权基因共表达网络分析,识别出一个与雄性性别和卵巢切除相关的绿色基因模块。该绿色基因模块在暴露于空气或香烟烟雾五个月的83,698个小鼠细胞中富集的常见单核细胞祖细胞、经典单核细胞、1型树突状细胞和巨噬细胞中富集。性别二态性改变了富集绿色基因模块的细胞簇的组成和转录组。这项全面的转录组分析增进了我们对肺气肿性肺组织重塑发展过程中由性别二态性控制的动态细胞反应的理解,并揭示了未来机制研究的潜在靶点。
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。




