Lung NR3C1+ 与 CXCR6 高表达 CD4 T 细胞区分人肺气肿免疫发病机制
该数据集来自 omicsdi.org,主题为转录组学,属于呼吸系统疾病范畴。研究围绕吸烟合并慢性阻塞性肺疾病(COPD)患者中 T 细胞如何促进肺气肿这一知识空白,通过单细胞 RNA 测序(scRNA seq)分析人肺样本及临床数据

基本信息
资源简介
Lung NR3C1+ 与 CXCR6 高表达 CD4 T 细胞区分人肺气肿免疫发病机制
该数据集来自 omicsdi.org,主题为转录组学,属于呼吸系统疾病范畴。研究围绕吸烟合并慢性阻塞性肺疾病(COPD)患者中 T 细胞如何促进肺气肿这一知识空白,通过单细胞 RNA 测序(scRNA seq)分析人肺样本及临床数据。数据集包含一套自建的人肺 scRNA seq 数据并带有丰富的疾病特征注释,同时分析了另一套独立 scRNA seq 数据集,比较肺气肿型 COPD、非肺气肿型 COPD 与对照组的肺部免疫图谱,发现 CD4 T 细胞炎症状态上调是肺气肿型 COPD 的显著特征,并涉及 NR3C1 与 CXCR6 相关 T 细胞亚群(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):在吸烟合并慢性阻塞性肺疾病(COPD)患者中,T 细胞如何促进肺气肿存在显著的知识空白。对人样本及相关临床数据进行单细胞 RNA 测序(scRNA seq)分析,可为疾病发病机制提供新的机制性见解。我们生成了一套自建的人肺 scRNA seq 数据集,并带有广泛的疾病特征注释,同时分析了第二套独立的 scRNA seq 数据集,以考察 T 细胞在肺气肿中的病理生理作用。对肺气肿型(E)-COPD、非肺气肿型(NE)-COPD 和对照组的肺部免疫景观进行比较,显示 T 细胞在 E-COPD 中呈阳性富集。通路分析发现 CD4 T 细胞中炎症状态上调,是 E-COPD 的一个区分性特征。与对照组相比,表达糖皮质激素受体 NR3C1 的 CD4 T 细胞在 NE-COPD 中富集,但在
【主题与分类】
主题标签:Transcriptomics。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE302339
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://omicsdi.org/dataset/geo/GSE302339
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
在吸烟的慢性阻塞性肺疾病(COPD)患者中,T细胞如何促进肺气肿的发生存在显著的知识空白。对人类样本进行单细胞RNA测序(scRNA seq)分析并结合相关临床数据,可为疾病发病机制提供新的见解。我们构建了一个内部的人类肺部scRNA seq数据集,并附有详尽的疾病特征注释,同时分析了另一个独立的scRNA seq数据集,以探究T细胞在肺气肿中的病理生理作用。对肺气肿型(E)-COPD、非肺气肿型(NE)-COPD和对照组肺部免疫景观的比较显示,E-COPD中T细胞呈正向富集。通路分析发现,CD4 T细胞中炎症状态的上调是E-COPD的一个显著特征。与对照组相比,表达糖皮质激素受体NR3C1的CD4 T细胞在NE-COPD中富集,但在E-COPD中减少。在E-COPD中,通过CXCL信号通路介导的巨噬细胞与NR3C1+ CD4 T细胞亚群之间的相互作用被强烈预测,而在NE-COPD和对照组中则不存在。
在E-COPD中,CD4 CXCR6高表达效应记忆T细胞的相对丰度与保留的肺功能呈正相关,而在NE-COPD中则不然。总体而言,这些发现表明,CD4 T细胞的NR3C1+和CXCR6高表达效应记忆亚群能够区分人肺气肿的免疫病理生理特征。针对肺气肿中相关T细胞亚群的分子靶向治疗可能提供新的治疗机会。
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。
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。




