中性粒细胞基因表达与COVID-19 ARDS患者28天呼吸机脱机关联(第2部分)
该数据集来自NCBI GEO,包含COVID-19 ARDS患者全血RNA测序及中性粒细胞单细胞RNA-seq数据,用于分析外周血中性粒细胞基因表达与28天呼吸机脱机的关联

基本信息
资源简介
中性粒细胞基因表达与COVID-19 ARDS患者28天呼吸机脱机关联(第2部分)
Association of Neutrophil Gene Expression with 28-Day Ventilator Weaning in COVID-19 ARDS Patients (part 2)
该数据集来自NCBI GEO,包含COVID-19 ARDS患者全血RNA测序及中性粒细胞单细胞RNA-seq数据,用于分析外周血中性粒细胞基因表达与28天呼吸机脱机的关联。数据覆盖28例COVID-19 ARDS患者(脱机组19例、未脱机组9例)和16例健康对照的全血bulk测序,以及5例患者中性粒细胞的单细胞测序。可用于探索重症COVID-19中中性粒细胞活化与肺损伤及脱机预后的关系(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):理由 COVID-19可导致ARDS,这是一种需要长期通气的危及生命的疾病。中性粒细胞活化是ARDS肺损伤的关键介质。然而,重症时外周中性粒细胞RNA表达与28天呼吸机脱机之间的关系尚未明确。目的 阐明COVID-19患者28天呼吸机脱机与全血RNA测序分析的关系。此外,对中性粒细胞进行单细胞RNA-seq,以分析各组分基因表达水平的变化。方法 使用28例COVID-19 ARDS患者(非脱机组9例,脱机组19例)和16例健康对照的全血进行bulk测序。接下来,对5例COVID-19 ARDS患者(非脱机组3例)外周血分离的中性粒细胞进行单细胞RNA-seq。
【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:GPL28038、9606。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=GSE234903
【使用注意】
· 源站最后修改于 Dec 05 202,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=GSE234903
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
理由 COVID-19可导致ARDS,这是一种危及生命的疾病,需要长期通气支持。中性粒细胞活化是ARDS肺损伤的关键介质。然而,重症时外周血中性粒细胞RNA表达与28天呼吸机脱机的相关性尚未明确。目的 阐明COVID-19患者28天呼吸机脱机与全血RNA测序分析的关系。此外,对中性粒细胞进行单细胞RNA测序,以分析各亚群基因表达水平的变化。方法 采用28例COVID-19 ARDS患者(非脱机组9例,脱机组19例)和16例健康对照者的全血进行批量测序。随后,对5例COVID-19 ARDS患者(非脱机组3例,脱机组2例)和6例健康个体外周血分离的中性粒细胞进行单细胞RNA测序。
测量与主要结果 尽管在全血批量RNA测序中,非呼吸机脱机组与呼吸机脱机组之间未见明显差异,但单细胞RNA测序结果揭示了非呼吸机脱机组、呼吸机脱机组与健康个体之间的明显差异。结论 我们的研究表明,COVID-19 ARDS患者重症期间中性粒细胞的基因表达可能与28天呼吸机脱机相关。
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。




