PRJNA1247589:化脓性汗腺炎早期与晚期空间转录组分析
该数据集来自 NCBI,围绕化脓性汗腺炎(HS)早期与晚期皮损的免疫特征展开。研究对 15 例早期和晚期 HS 患者的皮肤活检样本进行空间转录组分析,其中 6 例样本进一步开展单细胞 RNA 测序(scRNA-seq),并将空间转录组结果与聚合性痤疮表皮上皮、scRNA-seq 结果与银屑病样本进行

基本信息
资源简介
PRJNA1247589:化脓性汗腺炎早期与晚期空间转录组分析
该数据集来自 NCBI,围绕化脓性汗腺炎(HS)早期与晚期皮损的免疫特征展开。研究对 15 例早期和晚期 HS 患者的皮肤活检样本进行空间转录组分析,其中 6 例样本进一步开展单细胞 RNA 测序(scRNA-seq),并将空间转录组结果与聚合性痤疮表皮上皮、scRNA-seq 结果与银屑病样本进行对照。数据可用于比较 HS 不同阶段的皮肤免疫活化状态与基因表达谱,支持皮肤炎症性疾病免疫机制研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:化脓性汗腺炎(HS)是一种慢性炎症性皮肤病,以反复发作的炎性结节、脓肿形成和窦道发展为特征。目前的生物制剂治疗临床获益有限,凸显了深入理解驱动 HS 发病机制的免疫机制的必要性。目的:我们试图全面表征早期和晚期 HS 的免疫景观。方法:采用空间转录组学分析来自总共 15 例早期和晚期 HS 患者的皮肤活检样本,其中 6 例样本进一步采用单细胞 RNA 测序(scRNA-seq)分析。在空间转录组学中将基因表达谱与聚合性痤疮的表皮上皮进行比较,在 scRNA-seq 中与银屑病样本进行比较作为对照。结果:空间转录组学揭示了广泛的真皮免疫活化
【主题与分类】
主题标签:Other。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1247589
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/bioproject/PRJNA1247589
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
背景:化脓性汗腺炎(HS)是一种慢性炎症性皮肤病,以反复发作的炎性结节、脓肿形成和窦道形成为特征。目前的生物制剂治疗临床获益有限,凸显了深入理解驱动HS发病的免疫机制的必要性。目的:我们旨在全面刻画早期和晚期HS的免疫图谱。方法:采用空间转录组学分析了来自15例早期和晚期HS患者的总共皮肤活检样本,其中6例患者的样本进一步采用单细胞RNA测序(scRNA-seq)进行分析。在空间转录组学中将基因表达谱与聚合性痤疮的表皮上皮进行比较,在scRNA-seq中将基因表达谱与银屑病样本作为对照进行比较。结果:空间转录组学揭示了从HS早期阶段即存在广泛的真皮免疫激活,包括显著的B细胞特征(免疫球蛋白、CD19、MS4A1)、中性粒细胞浸润(CD177、MPO、ELANE)以及强烈的IL-23/IL-17轴,并富集表达T17诱导转录本(TGFB3、RUNX1、BATF)和T17细胞因子(IL17A、IL17F、IL21)。
ScRNA-seq证实HS中存在显著的血浆细胞和B细胞扩增,并鉴定出潜在的多功能B细胞,其除在抗原呈递和抗体产生中发挥作用外,还表达促炎细胞因子(IL7、IL16)。此外,T细胞被鉴定为B细胞趋化因子CXCL13的主要产生者。结论:HS表现出早期且持续的免疫激活,其特征为B细胞富集、IL-23/IL-17轴激活以及延伸至深真皮的中性粒细胞性炎症。这些发现凸显了HS自发病起即具有侵袭性特征,提示早期靶向IL-23/IL-17轴及B细胞介导的炎症可能阻止疾病进展。
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。




