PRJNA1416918:过渡性B细胞转录组特征揭示系统性硬化症中四个激活谱异常的亚群
该数据集来自 NCBI,聚焦系统性硬化症(SSc)中过渡性B细胞的转录组特征。研究对早期 ATA+ 未治疗 SSc 患者分离的过渡性B细胞进行单细胞转录组与 B 细胞受体(BCR)测序,鉴定出 T1、T2、CD27+ 和边缘区前体(MZP)四个过渡性B细胞亚群,并发现包括促凋亡基因 HRK 在内的新

基本信息
资源简介
PRJNA1416918:过渡性B细胞转录组特征揭示系统性硬化症中四个激活谱异常的亚群
该数据集来自 NCBI,聚焦系统性硬化症(SSc)中过渡性B细胞的转录组特征。研究对早期 ATA+ 未治疗 SSc 患者分离的过渡性B细胞进行单细胞转录组与 B 细胞受体(BCR)测序,鉴定出 T1、T2、CD27+ 和边缘区前体(MZP)四个过渡性B细胞亚群,并发现包括促凋亡基因 HRK 在内的新标记基因。数据可用于研究 SSc 中过渡性B细胞耐受缺陷机制、自身反应性B细胞激活异常及相关自身免疫过程(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):我们此前已表明,系统性硬化症(SSc)患者表现出自身反应性过渡性B细胞频率增加,包括具有抗拓扑异构酶I(ATA+)特异性的过渡性B细胞,该自身抗体与进行性间质性肺病相关。这提示过渡性B细胞耐受缺陷驱动了SSc中的自身免疫,然而这些早期B细胞审查减少的机制仍未明确。为研究这一点,我们应用单细胞转录组和B细胞受体(BCR)测序,剖析从早期ATA+未治疗SSc患者分离的过渡性B细胞的分子和库特征。这揭示了四个不同的过渡性B细胞簇:T1、T2、CD27+和边缘区前体(MZP)。在这些簇中鉴定出新的标记基因,包括促凋亡基因HRK,其被 spe
【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/PRJNA1416918
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/PRJNA1416918
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
我们此前已表明,系统性硬化症(SSc)患者体内自身反应性过渡期B细胞频率增高,其中包括具有抗拓扑异构酶I(ATA+)特异性的B细胞,该自身抗体与进行性间质性肺病相关。这提示过渡期B细胞耐受缺陷驱动了SSc中的自身免疫,然而,这些早期B细胞审查减少的机制仍未明确。为探究这一问题,我们应用单细胞转录组学和B细胞受体(BCR)测序,剖析了从早期ATA+初治SSc患者中分离的过渡期B细胞的分子及库特征。这揭示了四个不同的过渡期B细胞簇:T1、T2、CD27+和边缘区前体(MZP)。在这些簇中鉴定出新的标志基因,包括促凋亡基因HRK,其在MZP簇中特异性富集。这些发现通过公开可用的单细胞数据集得到了验证。
在这些过渡期细胞簇中,T1 B细胞在SSc患者中显著扩增,与匹配的健康对照相比增加了两倍,提示SSc中骨髓输出增加或过渡期B细胞迁出增多。此外,促生存基因如IL4R、TCL1A和S100A10在SSc中显著上调,而PI3K/AKT信号通路的关键负调控因子FOX01则显著降低。干扰素反应基因(IFITM1和IFITM2)在SSc过渡期B细胞中也显著增加,与SSc中干扰素信号失调一致。BCR分析显示,SSc中CDR3疏水性显著增加,尤其是在T2细胞簇中,同时观察到与自身免疫相关的基因IGHV4-39使用增加的趋势。此外,大多数SSc患者中κ/λ轻链比值升高,可能暗示受体编辑不完全。总体而言,我们的发现支持
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。




