GSE272904:Hermansky-Pudlak综合征相关肺纤维化中衰老相关炎症成纤维细胞的出现
该数据集来自NCBI GEO,包含年轻与年老多种亚型Hermansky-Pudlak综合征(HPS)小鼠模型的肺组织单细胞RNA测序图谱,并涵盖三例HPS1患者肺组织的scRNAseq数据

基本信息
资源简介
GSE272904:Hermansky-Pudlak综合征相关肺纤维化中衰老相关炎症成纤维细胞的出现
Emergence of inflammatory fibroblasts with aging in Hermansky-Pudlak syndrome associated pulmonary fibrosis
该数据集来自NCBI GEO,包含年轻与年老多种亚型Hermansky-Pudlak综合征(HPS)小鼠模型的肺组织单细胞RNA测序图谱,并涵盖三例HPS1患者肺组织的scRNAseq数据。研究聚焦于肺纤维化发生与进展中的细胞相互作用,发现HPS小鼠中SAA3+炎症性肺成纤维细胞随年龄增长而增加,HPS1成纤维细胞IL-1R1表达升高,HPS2小鼠肺泡II型上皮细胞可诱导共培养成纤维细胞的炎症基因特征。数据可用于探索HPS相关肺纤维化的细胞异质性、衰老相关炎症机制及成纤维细胞与上皮细胞的相互作用(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 23 202。
【数据内容】
源站描述(机器翻译,仅供参考):驱动肺纤维化的纵向细胞相互作用尚不清楚。为研究纤维化发生和进展相关的疾病基础,我们生成了来自多种亚型Hermansky-Pudlak综合征(HPS)年轻和年老小鼠模型肺部的scRNAseq图谱,HPS是一组与白化病、血小板功能障碍和肺纤维化相关的罕见常染色体隐性遗传病。我们在HPS小鼠中鉴定出SAA3+炎症性肺成纤维细胞随年龄依赖性增加,包括在发生自发性纤维化的HPS1-2双突变小鼠中。HPS1成纤维细胞显示IL-1R1表达增加,而HPS2小鼠的肺泡II型上皮细胞在共培养的成纤维细胞中诱导了炎症基因特征。来自三名HPS1患者肺组织的scRNAseq同样显示存在炎症性成纤维细胞和增加的
【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:GPL17021、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=GSE272904
【使用注意】
· 源站最后修改于 Mar 14 202,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=GSE272904
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
驱动肺纤维化的纵向细胞相互作用尚不明确。为探究与纤维化发生和进展相关的疾病基础,我们构建了年轻和老年小鼠模型的肺单细胞RNA测序(scRNAseq)图谱,这些模型涵盖Hermansky-Pudlak综合征(HPS)的多个亚型。HPS是一组罕见的常染色体隐性遗传病,与白化病、血小板功能障碍和肺纤维化相关。我们在HPS小鼠中发现了SAA3+炎症性肺成纤维细胞的年龄依赖性增加,包括在自发形成纤维化的HPS1-2双突变小鼠中。HPS1成纤维细胞显示IL-1R1表达增加,而HPS2小鼠的肺泡II型上皮细胞在共培养的成纤维细胞中诱导了炎症基因特征。对三名HPS1患者肺组织的scRNAseq同样显示存在炎症性成纤维细胞以及成纤维细胞上IL1R1表达增加。这些数据提示功能失调的上皮细胞、炎症性成纤维细胞和招募的免疫细胞之间存在复杂的相互作用,为缓解纤维化级联反应提供了潜在机会。
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。
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。




