上呼吸道效应与驻留记忆前体T细胞感染早期转录谱
该数据集来自 NCBI GEO，包含野生型小鼠腹腔感染 A/HKx31 流感病毒后第 12 天鼻腔组织的流感特异性记忆前体 TRM 与 TEM 细胞，经活体标记和表面标志物（CD127、KLRG1、CD69、CD103）分选后进行 bulk RNA 测序
基本信息
资源简介
上呼吸道效应与驻留记忆前体T细胞感染早期转录谱
Upper respiratory tract effector and resident memory precursor T cells have distinct transcriptional profiles early after infection in the absence of local antigen
该数据集来自 NCBI GEO，包含野生型小鼠腹腔感染 A/HKx31 流感病毒后第 12 天鼻腔组织的流感特异性记忆前体 TRM 与 TEM 细胞，经活体标记和表面标志物（CD127、KLRG1、CD69、CD103）分选后进行 bulk RNA 测序。数据用于比较上呼吸道两类记忆前体 T 细胞的差异表达基因和靶向基因集富集，揭示在缺乏局部抗原时二者仍具有转录上不同的发育程序，可供呼吸系统抗病毒免疫与组织驻留记忆 T 细胞研究使用（来源 NCBI）。
【数据集背景】
源站首次发布：Apr 14 202。
【数据内容】
源站描述（机器翻译，仅供参考）：为研究发育中的上呼吸道（URT）效应记忆（TEM）和驻留记忆（TRM）T 细胞的转录程序，我们用 A/HKx31 流感病毒对野生型小鼠进行腹腔感染，并在感染后第 12 天处理鼻腔组织。通过活体标记和表面标志物（CD127、KLRG1、CD69、CD103）鉴定流感特异性记忆前体 TRM 和 TEM，并分选进行 bulk RNA 测序。差异表达基因分析及使用公开数据集的靶向基因集富集分析显示，两个亚群均上调与真正的组织驻留记忆或效应记忆特征相关的基因，表明在缺乏局部抗原的情况下，其他环境信号线索可能协调这些转录上不同的 URT 亚群的发育。
【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=GSE327966
【使用注意】
· 源站最后修改于 Oct 09 202，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=GSE327966
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
为研究发育中上呼吸道（URT）效应记忆（TEM）和组织驻留记忆（TRM）T细胞的转录程序，我们用A/HKx31流感病毒腹腔感染野生型小鼠，并在感染后12天处理鼻腔组织。通过活体标记和表面标志物（CD127、KLRG1、CD69、CD103）鉴定出流感特异性记忆前体TRM和TEM，并分选进行批量RNA测序。对差异表达基因的分析以及利用公开数据集进行的靶向基因集富集分析显示，这两个亚群均上调了与真正的组织驻留记忆或效应记忆特征相关的基因，表明在缺乏局部抗原的情况下，其他环境信号线索可能协调了这些转录上截然不同的URT亚群的发育。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
