主动脉瘤遗传解析：通过孟德尔随机化和多组学方法识别因果变异和新型药物靶点
基于孟德尔随机化和多组学方法，识别主动脉瘤的因果变异和潜在药物靶点的遗传数据集。
基本信息
资源简介
主动脉瘤遗传解析：通过孟德尔随机化和多组学方法识别因果变异和新型药物靶点
【一句话概览】
本数据集是 figshare 公开的组学数据集，收录 1 个文件、合计 516.53 KB，主题涵盖 localization，可用于生物标志物发现与分子分型研究，CC BY 4.0 许可开放获取。
【数据集背景】
本数据集源站标题为《Mitochondrial localization of CART in mouse brain.》。源站首次发布：2012-01-03。
【数据内容】
源站原始描述：In the mouse nucleus accumbens determined by electron microscopy. The dark diaminobenzidene reaction product shows that CART is located in a nerve terminal (NT) making a symmetrical synaptic contact (arrow) onto a neuronal cell body. Within the NT is a mitochondrion in which there is CART labeling (arrowheads) around the outer and the inner mitochondrial membranes. Within the photograph is a CART-labeled dendrite (DEND) in which there is a mitochondrion showing CART labeling, particularly along…
【数据结构与技术规格】
文件数 1 个，合计 516.53 KB。Figure_4.tif：image/tiff，516.53 KB。数据集 DOI：10.1371/journal.pone.0029343.g004。
【主题与分类】
源站学科分类：Chemistry、Neuroscience、Biochemistry、Physiology、Cancer。主题标签：localization。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://plos.figshare.com/articles/figure/_Mitochondrial_localization_of_CART_in_mouse_brain_/367404
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Mao, Peizhong; K. Meshul, Charles; Thuillier, Philippe; R. S. Goldberg, Natalie; Hemachandra Reddy, P. (2015). Mitochondrial localization of CART in mouse brain.. PLOS ONE. Figure
【使用注意】
· 源站最后修改于 2023-06-09，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。
暂未开放有偿下载
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://data.4tu.nl/datasets/8f063c68-fc50-48bf-9a68-367404b6d7ef
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
