人腹主动脉瘤壁活检高或低壁应力基因表达数据集

该数据集来自 NCBI GEO(GSE205071),收录人腹主动脉瘤(AAA)壁活检组织在高壁应力与低壁应力条件下的全基因组 RNA 表达谱数据,采用 Illumina HumanHT-12 BeadCHIP 表达芯片,覆盖 12 例患者的个体内与个体间表达差异

geo
浏览 9
基因组分类Expression profiling by arrayGPL105589606
GSE205071: Gene expression in human abdominal aortic aneurysm wall biopsie with high or low wall stress

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-18

资源简介

人腹主动脉瘤壁活检高或低壁应力基因表达数据集

Gene expression in human abdominal aortic aneurysm wall biopsie with high or low wall stress

该数据集来自 NCBI GEO(GSE205071),收录人腹主动脉瘤(AAA)壁活检组织在高壁应力与低壁应力条件下的全基因组 RNA 表达谱数据,采用 Illumina HumanHT-12 BeadCHIP 表达芯片,覆盖 12 例患者的个体内与个体间表达差异。数据可用于分析腹主动脉瘤壁应力相关基因表达变化、筛选候选标志物及开展心血管疾病转录组研究(来源 NCBI)。

【数据集背景】

源站首次发布:May 30 202。

【数据内容】

源站描述(机器翻译,仅供参考):本研究探讨 12 例患者腹主动脉瘤(AAA)活检组织的个体内与个体间 RNA 全基因组表达谱差异(Illumina HumanHT-12,BeadCHIP 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:Expression profiling by array、GPL10558、9606。本站分类:心血管系统疾病/腹主动脉瘤。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE205071

【使用注意】

· 源站最后修改于 Jun 05 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE205071

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

本研究探讨了来自12名患者的腹主动脉瘤(AAA)活检样本在个体内及个体间的RNA全基因组表达谱差异(采用Illumina HumanHT-12 BeadCHIP表达芯片)。活检样本采集于开放性AAA修复手术期间,并根据先前的有限元分析(FEA),分别取自壁应力最高和最低的区域。

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。

获取专属数据定制方案