NS1缺失流感病毒载体鼻内COVID-19疫苗抑制SARS-CoV-2炎症反应(小鼠肺泡巨噬细胞ATAC-seq数据)
该数据集为小鼠肺泡巨噬细胞(AMs)的ATAC-seq数据,来源于一项研究NS1缺失流感病毒载体鼻内COVID-19疫苗(dNS1-RBD)的工作

基本信息
资源简介
NS1缺失流感病毒载体鼻内COVID-19疫苗抑制SARS-CoV-2炎症反应(小鼠肺泡巨噬细胞ATAC-seq数据)
该数据集为小鼠肺泡巨噬细胞(AMs)的ATAC-seq数据,来源于一项研究NS1缺失流感病毒载体鼻内COVID-19疫苗(dNS1-RBD)的工作。研究关注该疫苗诱导的固有免疫、训练免疫及上下呼吸道组织驻留记忆T细胞,并发现其通过抑制SARS-CoV-2攻击后早期病毒载量、降低促炎细胞因子(IL-6、IL-1B、IFN-γ)水平来限制炎症反应。数据可用于染色质可及性分析,探索疫苗诱导的广谱呼吸道保护相关免疫机制(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):SARS-CoV-2(严重急性呼吸综合征冠状病毒-2)变异株的出现及“解剖逃逸”特征威胁当前冠状病毒病(COVID-19)疫苗的有效性。迫切需要了解广谱呼吸道保护的免疫机制,以指导更广泛疫苗的开发。在本研究中,我们研究了NS1缺失流感病毒载体鼻内COVID-19疫苗(dNS1-RBD)诱导的免疫反应,该疫苗对SARS-CoV-2变异株提供广谱保护。鼻内递送dNS1-RBD诱导了固有免疫、训练免疫以及覆盖上下呼吸道的组织驻留记忆T细胞。它通过抑制SARS-CoV-2攻击后的早期病毒载量并减弱促炎细胞因子(IL-6、IL-1B和IFN-γ)水平来限制炎症反应
【主题与分类】
主题标签:Epigenomics。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/PRJNA946279
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/PRJNA946279
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
SARS-CoV-2(严重急性呼吸综合征冠状病毒2)变异株的出现及“解剖学逃逸”特性,对当前冠状病毒病(COVID-19)疫苗的有效性构成了威胁。亟需理解广谱呼吸道保护的免疫学机制,以指导更广泛疫苗的研发。在本研究中,我们探究了一种NS1缺失型流感病毒载体鼻内COVID-19疫苗(dNS1-RBD)所诱导的免疫反应,该疫苗能提供针对SARS-CoV-2变异株的广谱保护。鼻内接种dNS1-RBD可诱导固有免疫、训练免疫以及覆盖上下呼吸道的人体组织驻留记忆T细胞。它通过抑制SARS-CoV-2攻击后的早期病毒载量,并降低促炎细胞因子(IL-6、IL-1B和IFN-γ)水平,从而约束炎症反应,与对照组相比,减少了过度免疫诱导的组织损伤。通过诱导局部细胞免疫和训练免疫,鼻内接种NS1缺失型流感病毒载体疫苗代表了一种广谱COVID-19疫苗策略,旨在减轻疾病负担。
为研究dNS1-RBD疫苗在C57BL/6小鼠中诱导的肺泡巨噬细胞训练免疫,我们用dNS1-RBD/dNS1-Vector/PBS对C57BL/6小鼠进行免疫,并在免疫后2个月收集肺泡巨噬细胞样本进行ATAC-seq测序。随后利用该数据集进行差异峰和igv轨迹可视化分析。总体设计:对免疫后2个月dNS1-RBD/dNS1-Vector/PBS免疫组的肺泡巨噬细胞ATAC-seq数据进行差异峰、igv轨迹可视化和富集分析。
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。




