活动性狼疮肾炎患者肾脏转录组谱比较揭示疾病进展的可能新机制
该数据集来自NCBI GEO，包含活动性狼疮肾炎患者肾活检样本的RNA测序数据，共21例患者，按ISN/RPS分型涵盖II、III、IV、V及混合型
基本信息
资源简介
活动性狼疮肾炎患者肾脏转录组谱比较揭示疾病进展的可能新机制
Comparison of Renal Transcriptome Profiles in Patients with Active Lupus Nephritis Reveals Possible New Mechanisms of Disease Progression
该数据集来自NCBI GEO，包含活动性狼疮肾炎患者肾活检样本的RNA测序数据，共21例患者，按ISN/RPS分型涵盖II、III、IV、V及混合型。数据记录了疾病持续时间、蛋白尿、eGFR、活动性指数和慢性化指数等临床指标，并发现I型干扰素特征在病程较短、eGFR保留且活动性指数较低的患者中高表达。该数据可用于探索狼疮肾炎疾病进展的分子机制及基因表达差异分析（来源 NCBI）。
【数据集背景】
源站首次发布：Jul 28 202。
【数据内容】
源站描述（机器翻译，仅供参考）：为了识别影响狼疮肾炎（LN）进展的因素，我们对活动性LN患者的肾活检样本进行了RNA测序。肾活检病理遵循国际肾脏病学会和肾脏病理学会（ISN/RPS）分类，21例狼疮肾炎患者中：2例为II型，3例为III型，10例为IV型，5例为V型，1例为混合型LN。从系统性红斑狼疮（SLE）发病到狼疮肾炎发病的病程为26个月。蛋白尿为2.5（g/gCr或g/24hr），估算肾小球滤过率（eGFR）为72.9（ml/min/1.73 m2），活动性指数为5，慢性化指数为3。在不同基因表达变异中，I型干扰素（IFN）特征在病程较短、eGFR保留且指数较低的患者中显示高表达。
【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：GPL28038、9606。本站分类：泌尿生殖系统疾病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE239576
【使用注意】
· 源站最后修改于 Dec 31 202，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=GSE239576
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
为识别影响狼疮性肾炎(LN)进展的因素，我们对活动性LN患者的肾活检样本进行了RNA测序。21例狼疮性肾炎患者的肾活检病理采用国际肾脏病学会和肾脏病理学会(ISN/RPS)分类：II型2例，III型3例，IV型10例，V型5例，混合型LN 1例。从系统性红斑狼疮(SLE)发病至狼疮性肾炎发病的病程为26个月。蛋白尿为2.5(g/gCr或g/24hr)，估算肾小球滤过率(eGFR)为72.9(ml/min/1.73 m2)，活动性指数为5，慢性化指数为3。在不同基因表达变异中，I型干扰素(IFN)特征在病程较短、eGFR保留且慢性化指数较低的患者中呈高表达。I型IFN特征促进肾小管间质区域的纤维化并加重慢性病变。早期控制I型IFN特征可能限制疾病进展。
我们的结果揭示了活动性狼疮肾炎的一个潜在分子机制，以及早期狼疮肾炎患者中观察到的功能与结构变化和差异基因表达之间的联系。
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。
