IL-36是Netherton综合征的标志,I型IFN、Th2和Th9反应区分其双重临床表现
该数据集来自omicsdi.org,聚焦Netherton综合征(NS)这一由SPINK5基因功能缺失突变导致的罕见隐性皮肤病

基本信息
资源简介
IL-36是Netherton综合征的标志,I型IFN、Th2和Th9反应区分其双重临床表现
该数据集来自omicsdi.org,聚焦Netherton综合征(NS)这一由SPINK5基因功能缺失突变导致的罕见隐性皮肤病。数据整合多种分子谱分析手段,刻画NS-ILC与NS-SE两种临床类型的皮肤、免疫细胞及过敏表型,揭示表皮增殖分化异常及IL-17/IL-36特征,并显示两型皮损分子谱相似而非皮损区存在差异。可用于研究NS的分子分型、炎症通路及皮肤屏障缺陷机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):Netherton综合征(NS)是一种罕见的隐性皮肤病,由编码蛋白酶抑制剂LEKTI的基因SPINK5功能缺失突变引起。NS患者存在严重的皮肤屏障缺陷,表现为炎症性皮肤病变和伴有特应性表现的浅表脱屑。他们可表现为典型的回旋形线状鱼鳞病(NS-ILC)或鳞屑性红皮病(NS-SE)。在此,我们采用多种分子谱分析方法的组合,全面表征NS-ILC和NS-SE患者的皮肤、免疫细胞和过敏表型。这种整合的多组学方法揭示了两种NS内型中皮损皮肤和血液中的表皮增殖和分化异常以及IL-17/IL-36特征。虽然NS-ILC和NS-SE皮损皮肤的分子谱非常相似,但每种疾病内型的非皮损皮肤显示出独特的分子
【主题与分类】
主题标签:Proteomics。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/massive/MSV000086716
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/massive/MSV000086716
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
Netherton综合征(NS)是一种罕见的隐性皮肤疾病,由编码蛋白酶抑制剂LEKTI的SPINK5基因功能缺失突变引起。NS患者存在严重的皮肤屏障缺陷,表现为炎症性皮肤病变和伴有特应性表现的浅表脱屑。患者可表现为典型的回旋形线状鱼鳞病(NS-ILC)或鳞屑性红皮病(NS-SE)。本研究采用多种分子谱分析方法的组合,全面表征NS-ILC和NS-SE患者的皮肤、免疫细胞及过敏表型。这一整合的多组学方法揭示了两种NS内型中皮损皮肤和外周血中异常的表皮增殖与分化以及IL-17/IL-36特征。虽然NS-ILC与NS-SE皮损皮肤的分子谱非常相似,但每种疾病内型的非皮损皮肤显示出独特的分子特征。NS-SE非皮损和皮损表皮显示I型IFN信号通路的激活,该通路参与皮肤稳态和炎症。NS-ILC皮损皮肤与非皮损皮肤的差异在于补体激活和中性粒细胞浸润的上调。
血清细胞因子谱分析和循环淋巴细胞免疫表型分析显示,NS-ILC中存在Th2驱动的过敏反应,而NS-SE患者主要表现出Th9轴特征,伴有CCL22/MDC和CCL17/TARC血清水平升高。本研究确定了IL-17/IL-36是两种NS内型中的主要信号轴,并揭示了NS-ILC和NS-SE各自独特的分子特征。这些结果确定了新的治疗靶点,并可能为NS的精准医学铺平道路。使用含RapiGest的缓冲液从冷冻皮肤样本中提取蛋白质,随后使用5 mM二硫苏糖醇和15 mM碘乙酰胺进行还原和烷基化。蛋白质首先与LysC孵育,然后与胰蛋白酶孵育进行消化。将含有10微克脱盐肽段的混合池(Pre
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。




