急性低氧性呼吸衰竭中肺泡巨噬细胞亚群的转录与表型特征
该数据集来自 NCBI GEO(GSE234918),聚焦急性低氧性呼吸衰竭(AHRF)中肺泡单核细胞与巨噬细胞亚群的转录及表型特征

基本信息
资源简介
急性低氧性呼吸衰竭中肺泡巨噬细胞亚群的转录与表型特征
The Transcriptional and Phenotypic Characteristics that Define Alveolar Macrophage Subsets in Acute Hypoxemic Respiratory Failure
该数据集来自 NCBI GEO(GSE234918),聚焦急性低氧性呼吸衰竭(AHRF)中肺泡单核细胞与巨噬细胞亚群的转录及表型特征。研究对受试者支气管肺泡灌洗液和外周血细胞纵向采集样本,应用 CITE-seq(单细胞 RNA 测序结合细胞表面蛋白定量)鉴定出 2 个单核细胞亚群和 6 个巨噬细胞亚群,并在外部队列中用流式细胞术验证其身份。数据可用于研究 AHRF 相关免疫细胞异质性及与健康或 COVID-19 样本的转录特征比较(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):定义急性低氧性呼吸衰竭(AHRF)中肺泡单核细胞和巨噬细胞亚群的转录和表型特征目前知之甚少。我们对从 AHRF 受试者纵向采集的支气管肺泡灌洗液和外周血细胞应用 CITE-seq(单细胞 RNA 测序 + 细胞表面蛋白定量),以识别新的肺泡单核细胞/巨噬细胞亚群,然后使用流式细胞术在外部队列中验证它们的身份。我们使用 CITE-seq 数据在肺泡样本中识别出 2 个单核细胞和 6 个巨噬细胞亚群。一些亚群具有与健康受试者(金属硫蛋白基因)或 COVID-19 患者(表达 LGMN)中报道的相似的转录谱。我们还识别出具有跨越先前报道的单核细胞和巨噬细胞亚群的转录特征的新亚群。我们使用
【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:GPL30173、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=GSE234918
【使用注意】
· 源站最后修改于 Feb 15 202,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=GSE234918
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
定义急性低氧性呼吸衰竭(AHRF)中肺泡单核细胞和巨噬细胞亚群的转录和表型特征尚不清楚。我们对从AHRF受试者纵向收集的支气管肺泡灌洗液和外周血细胞应用了CITE-seq(单细胞RNA测序+细胞表面蛋白定量),以识别新的肺泡单核细胞/巨噬细胞亚群,然后使用流式细胞术在外部队列中验证了它们的身份。我们利用CITE-seq数据在肺泡样本中识别出2个单核细胞亚群和6个巨噬细胞亚群。其中一些亚群具有与健康受试者(金属硫蛋白基因)或COVID-19患者(表达LGMN)中所报道的相似的转录谱。我们还识别出具有横跨先前报道的单核细胞和巨噬细胞亚群的转录特征的新亚群。我们利用CITE-seq的信息确定了可区分转录亚群的细胞表面蛋白(CD14、CD163、CD123、CD71、CD48、CD86和CD44)。在外部队列中,我们发现CD163/LGMN肺泡巨噬细胞比例较高与死亡率相关。
我们报告了一组精简的细胞表面蛋白,这些蛋白能够利用可应用于临床队列的可扩展方法,区分肺泡单核细胞/巨噬细胞亚群。
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。




