不同来源间充质干细胞治疗急性呼吸窘迫综合征的疗效评估
该数据集来自 NCBI GEO(GSE241186),包含 1 个文件,用于评估不同来源间充质干细胞(MSC)治疗急性呼吸窘迫综合征(ARDS)的潜力

基本信息
资源简介
不同来源间充质干细胞治疗急性呼吸窘迫综合征的疗效评估
Evaluating the therapeutic potential of different sources of mesenchymal stem cells in acute respiratory distress syndrome
该数据集来自 NCBI GEO(GSE241186),包含 1 个文件,用于评估不同来源间充质干细胞(MSC)治疗急性呼吸窘迫综合征(ARDS)的潜力。研究在 LPS 诱导的小鼠 ARDS 模型中,比较骨髓来源(BM-MSCs)、脂肪组织来源(AD-MSCs)和脐带来源(UC-MSCs)三种常用 MSC 来源的疗效。数据基于高通量测序的表达谱分析,可用于探索不同 MSC 来源的基因组特征及其与治疗效果的关系,为 MSC 临床转化中的来源选择提供参考(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):在不同的临床前研究中,来源于脂肪组织、骨髓、胎盘、脐带的不同间充质干细胞(MSC)已显示出治疗 ARDS 的有效性。然而,其临床转化并未取得有效进展,临床试验结果存在差异。一个原因可能是临床转化所选择的 MSC 来源,因为缺乏比较不同来源 MSC 的研究。在先前的工作中,我们对不同来源的 MSC 进行了“头对头”比较,并表明每种来源都具有独特的基因组和蛋白质组“特征”。因此,在本研究中,我们在 LPS 诱导的小鼠 ARDS 模型中研究了最适合治疗的 MSC 来源选择。我们比较了 3 种最常用的 MSC 来源:骨髓来源 MSC(BM-MSCs)、脂肪组织来源 MSC(AD-MSCs)和脐带来源 MSC(UC-MSCs)
【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=GSE241186
【使用注意】
· 源站最后修改于 Aug 23 202,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=GSE241186
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
在不同的临床前研究中,来源于脂肪组织、骨髓、胎盘和脐带的不同间充质干细胞(MSC)来源已显示出治疗ARDS的有效性。然而,其临床转化并未取得有效进展,临床试验结果不一即为明证。其中一个原因可能是临床转化所选择的MSC来源,因为缺乏比较不同MSC来源的研究。在先前的工作中,我们对不同来源的MSC进行了“头对头”比较,并表明每种来源都具有独特的基因组和蛋白质组“特征”。因此,在本研究中,我们在LPS诱导的ARDS小鼠模型中研究了最适合治疗的MSC来源选择。我们在LPS诱导的ARDS模型中比较了3种最常用的MSC来源:骨髓来源MSC(BM-MSC)、脂肪组织来源MSC(AD-MSC)和脐带来源MSC(UC-MSC)治疗,其中我们对肺进行了批量RNA测序,以从基因标签的不同变化和所涉及的不同通路方面验证治疗的有效性。
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。




