银屑病与特应性皮炎重叠表型的基因组分析
该数据集来自 NCBI GEO(GSE182740),对银屑病与特应性皮炎临床重叠表型进行基因组表达谱分析。研究纳入诊断为银屑病或特应性皮炎的患者,并临床重新分层为经典银屑病、经典特应性皮炎及两者重叠表型,比较三组皮损与非皮损皮肤活检组织的基因表达谱

基本信息
资源简介
银屑病与特应性皮炎重叠表型的基因组分析
Genomic profiling of the overlap phenotype between psoriasis and atopic dermatitis
该数据集来自 NCBI GEO(GSE182740),对银屑病与特应性皮炎临床重叠表型进行基因组表达谱分析。研究纳入诊断为银屑病或特应性皮炎的患者,并临床重新分层为经典银屑病、经典特应性皮炎及两者重叠表型,比较三组皮损与非皮损皮肤活检组织的基因表达谱。数据包含 1 个文件,基于 GPL570 芯片平台,可用于研究重叠表型的分子特征及与两种疾病的区分(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 25 202。
【数据内容】
源站描述(机器翻译,仅供参考):银屑病与特应性皮炎之间的临床重叠有时难以辨别,且对于应将重叠表型作为银屑病还是特应性皮炎治疗尚无共识。我们纳入了诊断为银屑病或特应性皮炎的患者,并在临床上将他们重新分层为经典银屑病、经典特应性皮炎以及银屑病与特应性皮炎之间的重叠表型。我们比较了三个比较组之间皮损和非皮损皮肤活检组织的基因表达谱。重叠表型皮肤中的全局 mRNA 表达和 T 细胞亚群细胞因子表达与银屑病的谱一致,而与特应性皮炎的谱不同。无监督 k-means 聚类表明,三个比较组总人群的最佳不同聚类数为两个,且这两个聚类
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:Expression profiling by array、GPL570、9606。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE182740
【使用注意】
· 源站最后修改于 Mar 05 202,引用时请注意版本时效。
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/geo/query/acc.cgi?acc=GSE182740
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
银屑病与特应性皮炎之间的临床重叠有时难以辨别,对于应将重叠表型作为银屑病还是特应性皮炎进行治疗尚无共识。我们纳入了诊断为银屑病或特应性皮炎的患者,并在临床上将其重新分层为经典型银屑病、经典型特应性皮炎以及银屑病与特应性皮炎之间的重叠表型。我们比较了三个比较组之间皮损及非皮损皮肤活检组织的基因表达谱。重叠表型皮肤中的整体mRNA表达及T细胞亚群细胞因子表达与银屑病的表达谱一致,而与特应性皮炎的 expression 谱不同。无监督k-means聚类分析表明,三个比较组总人群的最佳不同聚类数为两个,且银屑病与特应性皮炎的两个聚类可通过基因表达加以区分。
我们的研究表明,银屑病与特应性皮炎之间的临床重叠表型具有银屑病的主要分子特征,并且基因组生物标志物能够在分子水平上区分具有银屑病和特应性皮炎谱系的患者中的银屑病与特应性皮炎。
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。




