PRJNA622691:利用人多能干细胞来源结肠类器官鉴定阻断SARS-CoV-2感染的药物
该数据集来自NCBI,主题为转录组或基因表达,聚焦利用人多能干细胞来源的结肠类器官(hPSC-COs)研究SARS-CoV-2对结肠细胞的易感性,并用于筛选阻断感染的药物

基本信息
资源简介
PRJNA622691:利用人多能干细胞来源结肠类器官鉴定阻断SARS-CoV-2感染的药物
该数据集来自NCBI,主题为转录组或基因表达,聚焦利用人多能干细胞来源的结肠类器官(hPSC-COs)研究SARS-CoV-2对结肠细胞的易感性,并用于筛选阻断感染的药物。数据覆盖SARS-CoV-2感染相关的人结肠类器官模型,可用于探索病毒生物学、构建疾病模型及治疗药物筛选研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):当前COVID-19大流行由新型冠状病毒SARS-coronavirus 2(SARS-CoV-2)引起。由于缺乏疫苗且对SARS-CoV-2病毒生物学了解有限,目前尚无缓解该疾病的治疗选择。因此,迫切需要创建新的疾病模型来研究SARS-CoV-2生物学,并使用人类疾病相关组织筛选治疗药物。COVID-19患者常出现呼吸道症状,包括咳嗽、呼吸困难 and 呼吸窘迫,但高达25%的呼吸功能障碍,许多COVID-19患者有消化系统指征,包括厌食、腹泻、呕吐和腹痛。此外,这些症状与更严重的COVID-19结局相关1。在此,我们报告使用人多能干细胞来源的结肠类器官(hPSC-COs)来探索不同结肠细胞的易感性
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:呼吸系统疾病/其他。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA622691
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/PRJNA622691
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
当前的COVID-19大流行是由新型冠状病SARS冠状病毒2型(SARS-CoV-2)引起的。由于缺乏疫苗且对SARS-CoV-2病毒生物学了解有限,目前尚无缓解该疾病的治疗选择。因此,迫切需要创建新的疾病模型来研究SARS-CoV-2生物学,并利用与人类疾病相关的组织筛选治疗方法。COVID-19患者常表现出呼吸道症状,包括咳嗽、呼吸困难和呼吸窘迫,但超过25%的呼吸功能障碍患者中,许多COVID-19患者还有消化系统症状,包括厌食、腹泻、呕吐和腹痛。此外,这些症状与更严重的COVID-19结局相关1。在此,我们报告使用人类多能干细胞衍生的结肠类器官(hPSC-COs)来探索不同结肠细胞类型对SARS-CoV-2感染的易感性。单细胞RNA测序和免疫染色显示,推测的病毒进入受体ACE2在多种hESC衍生的结肠细胞中表达,但在hPSC衍生的KRT20+肠上皮细胞中高度富集。
COs中的不同细胞类型可被SARS-CoV-2假型入侵病毒感染,并使用人源化小鼠模型在体内进一步验证。最后,我们将hPSC来源的COs适配到高通量平台,以筛选1280种FDA批准的药物。研究发现霉酚酸可阻断COs中SARS-CoV-2假型入侵病毒的进入,并证实其可阻断SARS-CoV-2病毒感染。总之,本研究建立了体外和体内类器官模型,以研究SARS-CoV-2感染疾病相关的人结肠细胞类型,并鉴定出一种适合快速临床试验、可阻断SARS-CoV-2感染的药物。总体设计:对感染SARS-CoV-2假型入侵病毒的人多能干细胞来源结肠类器官(hPSC-COs)进行scRNA-seq分析。
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。




