PRJNA1172724:多组学分析揭示儿童与成人脓毒症免疫图谱 [bulk RNA-seq]
该数据集来自 NCBI,包含 207 份 PBMC 样本的 bulk RNA 测序数据,覆盖健康成人、成人 ICU 对照、成人脓毒症患者、健康儿童、儿童 ICU 对照和儿童脓毒症患者
![PRJNA1172724: Multiomics Analyses Unveil Immune Landscape in Pediatric and Adult Sepsis [bulk RNA-seq]](/medical-api/medicalDataset/datasetCover/120395.jpg)
基本信息
资源简介
PRJNA1172724:多组学分析揭示儿童与成人脓毒症免疫图谱 [bulk RNA-seq]
该数据集来自 NCBI,包含 207 份 PBMC 样本的 bulk RNA 测序数据,覆盖健康成人、成人 ICU 对照、成人脓毒症患者、健康儿童、儿童 ICU 对照和儿童脓毒症患者。研究旨在通过转录组分析揭示脓毒症中共享及感染来源特异性的基因表达模式,为理解脓毒症分子机制和开发靶向治疗策略提供依据。数据可用于脓毒症相关基因表达分析、免疫景观刻画及患者分类等研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):脓毒症被定义为由宿主对感染反应失调引起的危及生命的器官功能障碍。免疫反应因感染解剖来源的不同而存在显著差异。本研究利用 bulk RNA 测序研究脓毒症相关的转录组谱。共分析了 207 份 PBMC 样本,包括来自健康成人、成人 ICU 对照、成人脓毒症患者、健康儿童、儿童 ICU 对照和儿童脓毒症患者的样本。对该数据集的分析揭示了共享的和来源特异性的基因表达模式,为理解脓毒症的分子机制和指导靶向治疗策略的开发提供了见解。总体设计:从健康对照、ICU 对照和脓毒症患者采集的血液样本中分离 PBMC,并提取总 RNA。脓毒症患者被分类
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1172724
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/bioproject/PRJNA1172724
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
脓毒症被定义为由宿主对感染反应失调引起的危及生命的器官功能障碍。免疫反应因感染的解剖来源不同而存在显著差异。本研究利用bulk RNA测序技术,探讨与脓毒症相关的转录组图谱。共分析了207份PBMC样本,包括来自健康成人、成人ICU对照、成人脓毒症患者、健康儿童、儿科ICU对照和儿科脓毒症患者的样本。对该数据集的分析揭示了共有及来源特异性的基因表达模式,为理解脓毒症的分子机制提供了见解,并为靶向治疗策略的开发提供了依据。总体设计:从健康对照、ICU对照和脓毒症患者血液样本中分离的PBMC提取总RNA。脓毒症患者根据感染来源的解剖部位进行分类,包括腹部、呼吸道、泌尿道、皮肤和中枢神经系统(CNS)。进行bulk RNA测序以捕获全局基因表达谱。
原始测序数据已上传至中国基因组序列档案库,登录号为GSA:HRA008452。
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。




