仙台病毒感染后气道高反应性与杯状细胞化生小鼠肺转录组分析
该数据集来自 omicsdi.org，为小鼠肺组织转录组表达谱数据。研究从 500 只 CB6F2/J 小鼠 F2 队列中筛选出仙台病毒感染后气道高反应性与杯状细胞化生表型极端个体，对每个极端各 3 只小鼠的全肺 RNA 进行微阵列分析，并通过阵列间两两比较鉴定与上述疾病表型相关的差异表达基因
基本信息
资源简介
仙台病毒感染后气道高反应性与杯状细胞化生小鼠肺转录组分析
该数据集为小鼠肺组织转录组表达谱数据，来源于 omicsdi.org，归类于呼吸系统疾病 / 其他。研究围绕仙台病毒感染后气道高反应性与杯状细胞化生两种疾病表型展开：从 500 只 CB6F2/J 小鼠 F2 队列中筛选出表型极端的个体，对每个极端各取 3 只小鼠的全肺 RNA 进行微阵列分析，并通过阵列间两两比较鉴定与上述疾病表型相关的差异表达基因。数据集主题标签为 Transcriptomics，整体设计体现了以极端表型个体对比来定位疾病相关表达变化的思路，可为呼吸道病毒感染后气道病理表型的转录组研究提供参考。
【数据集背景】
该数据集关注的是仙台病毒感染后小鼠气道高反应性与杯状细胞化生这两种表型。研究以 CB6F2/J 小鼠 F2 队列为基础，从 500 只小鼠中识别出上述表型的极端个体，从而在遗传背景分离的群体中聚焦表型差异较大的样本，为后续转录组比较提供研究对象。这一背景说明数据集并非一般性的肺组织表达谱，而是围绕特定感染后气道病理表型构建的转录组资源。
【数据内容】
数据内容为全肺 RNA 的微阵列基因表达谱。研究对每个表型极端各取 3 只小鼠的全肺 RNA 进行分析，样本量按极端分组设置。通过阵列间两两比较，识别出与气道高反应性和杯状细胞化生相关的差异表达基因。数据集主题标签为 Transcriptomics，表明其核心数据类型是转录组表达测量结果。
【采集与来源】
数据集来源于 omicsdi.org。样本来自 500 只 CB6F2/J 小鼠 F2 队列，经表型筛选后确定气道高反应性与杯状细胞化生表型极端的个体，并采集全肺 RNA 用于微阵列分析。源站描述未提供具体的感染时间、表型测定方法、RNA 提取与芯片平台等实验细节。
【适用场景】
该数据集适用于研究仙台病毒感染后气道高反应性与杯状细胞化生相关基因表达变化的场景，也可用于比较极端表型个体之间全肺转录组的差异，或作为呼吸道病毒感染后气道病理表型转录组分析的参考数据。由于数据基于微阵列全肺 RNA，适合围绕差异表达基因鉴定与表型关联分析开展探索。
【使用方法】
使用时可将每个表型极端各 3 只小鼠的微阵列表达数据按分组进行比较，参考源站所述的阵列间两两比较策略，识别与气道高反应性和杯状细胞化生相关的差异表达基因。具体的数据下载方式、文件格式、归一化方法与分析流程源站未提供。
【质量与限制】
该数据集每组极端表型仅 3 只小鼠，样本量较小；研究基于微阵列平台，源站未提供芯片型号、数据质控指标与统计阈值等信息。由于源站描述未提供实验批次、感染与表型评估细节，使用时应结合原始数据说明评估其适用性。其他质量相关信息源站未提供。
【引用与许可】
源站未提供引用方式与许可信息。
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-3925
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
从500只小鼠的F2代队列(CB6F2/J)中，鉴定出在仙台病毒感染后表现出气道高反应性和杯状细胞化生表型极端的小鼠。对每个极端表型的3只小鼠的全肺RNA通过微阵列进行基因表达分析。随后对阵列进行两两比较，从而鉴定出与疾病表型（气道高反应性和杯状细胞化生）相关的差异表达基因。
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。
