人类生殖系双等位基因OSMR功能缺失变异导致严重过敏性疾病
该数据集来自 NCBI GEO(GSE303962),包含 1 个文件,聚焦人类生殖系双等位基因 OSMR 功能缺失变异导致的严重过敏性疾病

基本信息
资源简介
人类生殖系双等位基因OSMR功能缺失变异导致严重过敏性疾病
Human germline biallelic loss-of-function OSMR variants cause severe allergic disease
该数据集来自 NCBI GEO(GSE303962),包含 1 个文件,聚焦人类生殖系双等位基因 OSMR 功能缺失变异导致的严重过敏性疾病。研究涉及四个家系的患者,表现为早发性广泛性特应性皮炎、外周血嗜酸性粒细胞增多和血清 IgE 升高。数据可用于分析 OSMR 变异对基因表达的影响,特别是原代真皮成纤维细胞中干扰素和炎症信号通路的转录变化,为理解 OSMR 在人类免疫中的作用提供资源(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):OSMRβ(制瘤素 M 受体 β)是 IL-6 细胞表面受体超家族成员,结合 OSM 和 IL-31,在人类免疫中发挥关键作用。我们在四个家系中发现了 OSMR(编码 OSMRβ)双等位基因破坏性变异的先证者。患者具有统一的表型:严重的广泛性早发性特应性皮炎、外周血嗜酸性粒细胞增多和血清 IgE 升高。与 OSMRβWT 相比,患者 OSMRβ 变异未能在细胞表面适当表达。患者 OSMR 变异显示 OSM 介导的 STAT1、STAT3 和 STAT5 激活显著降低,原代真皮成纤维细胞中出现明显的转录变化,包括干扰素和炎症特征的丧失。这些缺陷在慢病毒转导 WT-OSMR 后得到挽救。总之,这些数据表明人类生殖系双等位基因 OSMR 功能缺失变异导致严重
【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:GPL18573、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=GSE303962
【使用注意】
· 源站最后修改于 Aug 09 202,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=GSE303962
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
OSMRβ(制瘤素M受体β)是IL-6细胞表面受体超家族的一员,可结合OSM和IL-31,在人类免疫中发挥关键作用。我们在四个家系中识别出先证者,这些先证者携带OSMR的双等位基因破坏性变异,OSMR编码OSMRβ。患者具有统一的表型,表现为严重广泛的早发性特应性皮炎、外周血嗜酸性粒细胞增多和血清IgE升高。与OSMRβWT相比,患者的OSMRβ变异体未能在细胞表面适当表达。患者的OSMR变异体显示OSM介导的STAT1、STAT3和STAT5激活显著降低,并在原代真皮成纤维细胞中引起明显的转录变化,包括干扰素和炎症特征的丧失。这些缺陷在慢病毒转导WT-OSMR后得到挽救。总之,这些数据表明,人类生殖系双等位基因功能丧失性OSMR变异可导致严重过敏性疾病。我们预期这一发现将有助于识别更多受累个体,并全面界定这种新型原发性特应性疾病。
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。




