PRJNA1315205:2.3.4.4b分支H5N1甲型流感病毒在人呼吸道模型中显示高感染性
该数据集来自NCBI,包含对原代人呼吸道模型(离体肺泡肺组织、类器官来源支气管上皮、3D鼻气液界面上皮)进行bulk RNA测序的数据,比较了新近出现的A/Cattle/Texas/063224-24-1/2024 (H5N1b/2024)株与H5N1/2004、H3N2/1999及H5N8/201

基本信息
资源简介
PRJNA1315205:2.3.4.4b分支H5N1甲型流感病毒在人呼吸道模型中显示高感染性
该数据集来自NCBI,包含对原代人呼吸道模型(离体肺泡肺组织、类器官来源支气管上皮、3D鼻气液界面上皮)进行bulk RNA测序的数据,比较了新近出现的A/Cattle/Texas/063224-24-1/2024 (H5N1b/2024)株与H5N1/2004、H3N2/1999及H5N8/2016参考病毒的感染宿主反应。使用DESeq2进行差异基因表达分析并将供体作为协变量。数据可用于研究2.3.4.4b分支H5N1病毒在人呼吸道的致病性与转录组响应(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):高致病性禽流感A(H5N1)病毒2.3.4.4b分支目前在美国的家禽、牛和其他哺乳动物中广泛传播,引发对人畜共患传播和大流行潜力的担忧。为研究新出现的A/Cattle/Texas/063224-24-1/2024 (H5N1b/2024)株相较于参考病毒的致病性和宿主反应,我们对原代人呼吸道模型进行了bulk RNA测序,包括离体肺泡肺组织(aHuLu)、类器官来源的支气管上皮(brEp)和3D鼻气液界面上皮(nALI)。感染与H5N1/2004(1分支)、H3N2/1999(季节性甲型流感)和H5N8/2016(低致病性禽流感)平行进行。差异基因表达分析使用DESeq2进行,并将供体作为协变量。该数据集提供了全基因组转录p
【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/PRJNA1315205
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/PRJNA1315205
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
高致病性禽流感A(H5N1)病毒2.3.4.4b分支目前正在美国的家禽、牛和其他哺乳动物中广泛传播,引发了对人畜共患传播和大流行潜力的担忧。为研究新出现的A/Cattle/Texas/063224-24-1/2024(H5N1b/2024)毒株相较于参考病毒株的致病性和宿主反应,我们对原代人呼吸道模型进行了bulk RNA测序,包括离体肺泡肺组织(aHuLu)、类器官来源的支气管上皮(brEp)和3D鼻腔气液界面上皮(nALI)。感染实验与H5N1/2004(分支1)、H3N2/1999(季节性甲型流感)和H5N8/2016(低致病性禽流感)平行进行。差异基因表达分析采用DESeq2进行,并将供体作为协变量纳入。该数据集提供了感染后24小时的全基因组转录谱,可用于跨人呼吸道各区域的病毒复制、宿主免疫激活和组织特异性反应的比较分析。
这些数据支持使用生理相关的人原代模型来评估新发甲型流感病毒的人畜共患风险。
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。




