人气道细胞对蓖麻毒素的促炎反应涉及应激激活蛋白激酶与NF-κB
研究聚焦人原代气道上皮细胞暴露于蓖麻毒素后的转录组变化,涉及应激激活蛋白激酶(SAPKs)与 NF-κB 的激活以及多种促炎分子表达上调

基本信息
资源简介
人气道细胞对蓖麻毒素的促炎反应涉及应激激活蛋白激酶与NF-κB
Proinflammatory Responses of Human Airway Cells to Ricin Involve Stress-Activated Protein Kinases and NF-κB
该数据集来自 NCBI GEO(GSE7845),包含 1 个文件 GSE7845_series_matrix.txt.gz,基于 GPL570 平台对人类(9606)样本进行表达谱芯片检测。研究聚焦人原代气道上皮细胞暴露于蓖麻毒素后的转录组变化,涉及应激激活蛋白激酶(SAPKs)与 NF-κB 的激活以及多种促炎分子表达上调。数据可用于分析蓖麻毒素诱导的炎症与应激相关基因表达模式,并支持呼吸系统损伤相关机制研究(来源 NCBI)。
【数据集背景】
源站首次发布:May 18 200。
【数据内容】
源站描述(机器翻译,仅供参考):蓖麻毒素因其毒性、可获得性和易于生产而是一种潜在的生物武器。当被递送至肺部时,蓖麻毒素会导致严重的肺损伤,其症状与急性肺损伤和成人呼吸窘迫综合征中观察到的症状相似。气道上皮在许多肺部疾病的发病机制中起重要作用,但其在蓖麻毒素中毒中的作用尚未阐明。将培养的原代人气道上皮细胞暴露于蓖麻毒素后,导致应激激活蛋白激酶(SAPKs)和 NF-κB 的激活以及多种促炎分子的表达增加。通过微阵列分析鉴定出的由蓖麻毒素上调的基因中,包括与转录、核小体组装、炎症和应激反应相关的基因。对这些基因启动子的序列分析确定 NF-κB 是其中之一的 tra
【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:Expression profiling by array、GPL570、9606。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=GSE7845
【使用注意】
· 源站最后修改于 Mar 25 201,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=GSE7845
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
蓖麻毒素因其毒性、可获得性和易于生产而成为一种潜在的生物武器。当递送至肺部时,蓖麻毒素会引起严重的肺损伤,其症状与急性肺损伤和成人呼吸窘迫综合征中观察到的症状相似。气道上皮在许多肺部疾病的发病机制中发挥重要作用,但其在蓖麻毒素中毒中的作用尚未阐明。将培养的原代人氣道上皮细胞暴露于蓖麻毒素后,可导致应激激活蛋白激酶(SAPKs)和NF-κB的激活,以及多种促炎分子表达的增高。通过微阵列分析鉴定出的由蓖麻毒素上调的基因中,包括与转录、核小体组装、炎症和应激反应相关的基因。对这些基因启动子的序列分析发现,NF-κB是结合位点过度代表的转录因子之一。尽管气道上皮细胞响应蓖麻毒素分泌TNF-α,但阻断TNF-α并不能阻止蓖麻毒素诱导的NF-κB激活。
通过化学抑制剂抑制p38 MAPK以及通过短干扰RNA抑制NF-κB,导致促炎基因表达显著减少,证明了这两条通路在蓖麻毒素中毒中的重要性。因此,p38 MAPK和NF-κB通路是减轻蓖麻毒素中毒炎症后果的潜在治疗靶点。关键词:比较基因组杂交
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。




