年轻与老年小鼠经β-glucan处理的BMDM
该数据集来自NCBI GEO,包含年轻(10–12周龄)与老年(18–20月龄)小鼠经β-glucan诱导先天免疫训练后的骨髓来源巨噬细胞(BMDM)表达谱数据,采用高通量测序进行表达谱分析,仅1个文件(GSE279654_series_matrix.txt.gz)

基本信息
资源简介
年轻与老年小鼠经β-glucan处理的BMDM
BMDM from Young and Aged Mice Treated with β-glucan
该数据集来自NCBI GEO,包含年轻(10–12周龄)与老年(18–20月龄)小鼠经β-glucan诱导先天免疫训练后的骨髓来源巨噬细胞(BMDM)表达谱数据,采用高通量测序进行表达谱分析,仅1个文件(GSE279654_series_matrix.txt.gz)。数据可用于研究衰老免疫系统中β-glucan诱导的免疫训练对宿主抗感染能力的影响,比较年轻与老年小鼠的转录表达差异,探索免疫衰老相关机制(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 16 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老显著增加感染的发生率和严重程度,65岁及以上人群占脓毒症病例的65%。随着年龄增长免疫反应下降,称为“免疫衰老”,增加对感染和脓毒症的易感性。这促使探索通过调节衰老免疫系统来增强抗感染能力的策略。先天免疫训练,称为“训练免疫”或“先天免疫记忆”,成为一种潜在策略。我们研究了β-glucan诱导的先天免疫训练对老年小鼠(18–20月龄)的影响,并与年轻小鼠组(10–12周龄)进行比较。我们发现β-glucan增强了宿主对感染的抵抗力。这种增强表现为感染期间体温维持、白细胞募集改善、细菌清除增强以及细胞因子产生减少。
【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=GSE279654
【使用注意】
· 源站最后修改于 Apr 30 202,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=GSE279654
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
年龄增长显著提高感染的发生率和严重程度,65岁及以上人群占脓毒症病例的65%。随着年龄增长,免疫反应下降,称为“免疫衰老”,增加了对感染和脓毒症的易感性。这促使人们探索通过调节衰老免疫系统来增强抗感染能力的策略。先天免疫训练,称为“训练免疫”或“先天免疫记忆”,成为一种潜在策略。我们研究了β-葡聚糖诱导的先天免疫训练对老年小鼠(18–20月龄)的影响,并与一组年轻小鼠(10–12周龄)进行比较。我们发现β-葡聚糖增强了宿主的抗感染能力。这种增强表现为感染期间体温得以维持、白细胞募集改善、细菌清除增强,以及血液和感染部位细胞因子产生减少。此外,训练后的巨噬细胞表现出更强的代谢能力和改善的抗菌功能,如增强的吞噬作用和呼吸爆发。
RNA-seq分析突显了巨噬细胞中由训练免疫诱导的独特基因表达模式,这一模式在年轻组和老年组中均一致观察到。我们的结果表明,免疫训练可以在老年个体中有效诱导,为增强老年人感染抵抗力的潜在策略提供了宝贵见解。
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。




