BAPN诱导的雄性与雌性小鼠主动脉夹层转录组测序

该数据集为GSE325608,来源于NCBI,包含雄性与雌性C57BL/6J小鼠经持续β-氨基丙腈(BAPN)给药诱导主动脉夹层(AD)后的胸主动脉组织转录组测序数据,并与性别匹配的对照小鼠进行比较

geo
浏览 4
基因组分类GPL2845710090
GSE325608: Transcriptome Sequencing of BAPN-Induced Aortic Dissection in Male and Female Mice

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-20

资源简介

BAPN诱导的雄性与雌性小鼠主动脉夹层转录组测序

Transcriptome Sequencing of BAPN-Induced Aortic Dissection in Male and Female Mice

该数据集为GSE325608,来源于NCBI,包含雄性与雌性C57BL/6J小鼠经持续β-氨基丙腈(BAPN)给药诱导主动脉夹层(AD)后的胸主动脉组织转录组测序数据,并与性别匹配的对照小鼠进行比较。数据共1个文件(GSE325608_series_matrix.txt.gz),主题标签涉及高通量测序表达谱分析、平台GPL28457及物种小鼠(10090)。该数据可用于研究主动脉夹层易感性的性别差异,探索雌性抵抗AD的分子机制,并支持差异表达分析与分类建模等下游分析(来源 NCBI)。

【数据集背景】

源站首次发布:Mar 23 202。

【数据内容】

源站描述(机器翻译,仅供参考):对雄性和雌性C57BL/6J小鼠通过持续给予β-氨基丙腈(BAPN)诱导主动脉夹层(AD)后的胸主动脉组织进行转录谱分析,并与性别匹配的对照小鼠进行比较。本研究旨在探究AD易感性的性别差异,并阐明雌性抵抗AD的分子机制。

【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:GPL28457、10090。本站分类:心血管系统疾病/主动脉夹层。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE325608

【使用注意】

· 源站最后修改于 Jul 22 202,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=GSE325608

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

通过持续给予β-氨基丙腈(BAPN)诱导主动脉夹层(AD)后,对雄性和雌性C57BL/6J小鼠胸主动脉组织进行转录组分析,并与性别匹配的对照小鼠进行比较。本研究旨在探究AD易感性的性别差异,并阐明雌性抵抗AD的分子机制。

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