上皮分泌组细胞类型差异的系统分析揭示RSV诱导下呼吸道感染发病机制
该数据集来自omicsdi.org,聚焦人呼吸道合胞病毒(RSV)诱导的下呼吸道感染(LRTI)发病机制。研究对代表气管的hBECs与代表小气道的hSAECs进行无偏定量蛋白质组学分析,比较RSV诱导的上皮分泌反应差异

基本信息
资源简介
上皮分泌组细胞类型差异的系统分析揭示RSV诱导下呼吸道感染发病机制
该数据集来自omicsdi.org,聚焦人呼吸道合胞病毒(RSV)诱导的下呼吸道感染(LRTI)发病机制。研究对代表气管的hBECs与代表小气道的hSAECs进行无偏定量蛋白质组学分析,比较RSV诱导的上皮分泌反应差异。工作流程先以端粒酶永生化人上皮细胞标准化,显示高重复性及分泌蛋白与分离纳米颗粒(外泌体)蛋白质组特征上的细胞类型差异。超过半数分泌组蛋白存在于外泌体中,其余来自溶酶体和液泡区室。数据可用于研究RSV感染中上皮分泌信号、淋巴细胞改变与气道重塑的关系(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):人呼吸道合胞病毒(RSV)引起的下呼吸道感染(LRTI)是儿童发病的重要原因。LRTI发病机制的一个组成部分源于受感染下气道细胞产生的信号,这些信号改变淋巴细胞群体并触发气道重塑。为了解这一过程,我们对代表气管的细胞(hBECs)与代表小气道的细支气管细胞(hSAECs)中RSV诱导的上皮分泌反应进行了无偏定量蛋白质组学分析。工作流程最初使用端粒酶永生化人上皮细胞进行标准化,这些细胞在分泌蛋白和分离纳米颗粒(外泌体)的蛋白质组特征上显示出高重复性和细胞类型差异。超过半数的分泌组蛋白存在于外泌体中,其余来自溶酶体和液泡区室。
【主题与分类】
主题标签:Proteomics。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/massive/MSV000080867
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://omicsdi.org/dataset/massive/MSV000080867
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
人类呼吸道合胞病毒(RSV)引起的下呼吸道感染(LRTI)是儿童发病的重要原因。LRTI发病机制的一部分源于受感染的下气道细胞产生的信号,这些信号改变淋巴细胞群体并触发气道重塑。为了深入了解这一过程,我们对代表气管(hBECs)与小气道细支气管细胞(hSAECs)的细胞中RSV诱导的上皮分泌反应进行了无偏定量蛋白质组学分析。最初使用端粒酶永生化人上皮细胞标准化了工作流程,该流程在分泌蛋白和分离的纳米颗粒(外泌体)的蛋白质组学特征中显示出高重现性和细胞类型差异。超过一半的分泌组蛋白包含在外泌体中,其余来源于溶酶体和空泡区室。我们将此工作流程应用于三个独立衍生的人原代培养物。在1%错误发现率(FDR)下,从对照上清液中鉴定出577个差异表达蛋白,从RSV感染细胞上清液中鉴定出966个差异表达蛋白。
15种蛋白质是RSV感染的hBECs所特有的,受上皮特异性ets同源因子(EHF)调控。106种蛋白质是RSV感染的hSAECs所特有的,富含受NF-κB转录因子调控的蛋白质。在后一组中,我们独立验证了趋化因子(C-C基序)配体20(CCL20)/巨噬细胞诱导蛋白(MIP)3α、胸腺基质淋巴细胞生成素(TSLP)和趋化因子(CC)配体3样1(CCL3-L1)的差异表达。CCL20/MIP3α是RSV感染的hSAEC分泌组中最活跃的黏蛋白诱导因子,并且在RSV感染小鼠模型的小气道中差异表达。这些研究有助于深入了解外泌体产生在先天反应中的作用,以及参与RSV LRTI诱导的发病机制的上皮分泌组的区域差异。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




