囊性纤维化猪出生时即患肺病并表现细菌清除缺陷
研究围绕靶向 CFTR 基因的囊性纤维化猪模型，观察其出生后数月内自发出现气道炎症、重塑、黏液积聚和感染等 CF 肺病特征，并分析新生猪肺部炎症与细菌清除情况
基本信息
资源简介
囊性纤维化猪出生时即患肺病并表现细菌清除缺陷
Cystic Fibrosis Pigs Develop Lung Disease and Exhibit Defective Bacterial Eradication at Birth
该数据集来自 NCBI GEO（GSE21071），包含 1 个表达谱芯片文件，主题为表达 profiling by array，平台为 GPL3533，物种为猪（9823）。研究围绕靶向 CFTR 基因的囊性纤维化猪模型，观察其出生后数月内自发出现气道炎症、重塑、黏液积聚和感染等 CF 肺病特征，并分析新生猪肺部炎症与细菌清除情况。数据可用于研究囊性纤维化肺病发病机制及宿主防御缺陷相关的基因表达分析（来源 NCBI）。
【数据集背景】
源站首次发布：Mar 25 201。
【数据内容】
源站描述（机器翻译，仅供参考）：肺病是囊性纤维化（CF）发病和死亡的主要原因。然而，由于缺乏具有 CF 典型特征的动物模型，对其发病机制的理解一直受到阻碍。为解决这一问题，我们最近构建了靶向 CFTR 基因的猪。我们现在报告，在出生后数月内，CF 猪自发出现 CF 肺病的标志性特征，包括气道炎症、重塑、黏液积聚和感染。它们的肺部含有多种细菌，提示宿主防御缺陷是均等机会性的。在人类中，炎症与感染之间的时间关系和/或因果关系仍不确定。为研究这些过程，我们研究了新生猪。它们的肺部没有炎症，但比对照组更少无菌。此外，在肺内细菌攻击后，CF 猪未能清除
【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：Expression profiling by array、GPL3533、9823。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=GSE21071
【使用注意】
· 源站最后修改于 May 03 201，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=GSE21071
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
肺病是囊性纤维化(CF)患者发病和死亡的主要原因。然而，由于缺乏具有CF典型特征的动物模型，对其发病机制的理解一直受到阻碍。为解决这一问题，我们近期培育了CFTR基因靶向修饰猪。现在我们报告，CF猪在出生后数月内自发出现CF肺病的标志性特征，包括气道炎症、重塑、黏液积聚和感染。其肺部含有多种细菌，提示宿主防御缺陷并非针对特定病原体。在人类中，炎症与感染之间的时间关系和/或因果关系仍不明确。为探究这些过程，我们对新生猪进行了研究。其肺部未见炎症，但无菌状态较对照组更少见。此外，经肺内细菌攻击后，CF猪清除细菌的效果不及野生型猪。这些结果提示，细菌清除受损是启动CF肺部炎症和病理级联反应的致病事件。
发现CF猪在出生后数小时内即存在细菌宿主防御缺陷，这为进一步研究发病机制以及在继发性后果出现前测试治疗和预防策略提供了令人振奋的机会。
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。
