猪瓣膜间质细胞在成骨诱导下发生间质-内皮转化的转录组分析

该数据集来自 omicsdi.org,属于心血管系统疾病中的主动脉瓣疾病主题,标签为 Transcriptomics。数据为猪瓣膜间质细胞(VICs)在成骨诱导条件下发生间质-内皮转化(MEndT)过程的转录组分析,涵盖生长培养基(GM)、成骨培养基(OM)培养 8 天以及原代猪瓣膜内皮细胞(pVE

omicsdi
浏览 4
基因组分类Transcriptomics
Transcriptome profiling of porcine valvular interstitial cells undergoing mesenchymal-to-endothelial transition under osteogenic induction

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-09

资源简介

猪瓣膜间质细胞在成骨诱导下发生间质-内皮转化的转录组分析

该数据集来自 omicsdi.org,属于心血管系统疾病中的主动脉瓣疾病主题,标签为 Transcriptomics。数据为猪瓣膜间质细胞(VICs)在成骨诱导条件下发生间质-内皮转化(MEndT)过程的转录组分析,涵盖生长培养基(GM)、成骨培养基(OM)培养 8 天以及原代猪瓣膜内皮细胞(pVECs)的 RNA 测序结果。可用于研究 MEndT 的分子机制及其在钙化性主动脉瓣疾病(CAVD)发病中的潜在作用(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):钙化性主动脉瓣疾病(CAVD)是一种以纤维化、钙化和内皮功能障碍为特征的进行性疾病。瓣膜间质细胞(VICs)是主动脉瓣内的主要细胞类型,在瓣膜重塑中发挥关键作用。近期证据表明,VICs 具有表型可塑性,在钙化条件下可能发生间质-内皮转化(MEndT)。为探索这一过程的转录图谱,我们对在生长培养基(GM)、成骨培养基(OM)中培养 8 天的原代猪 VICs 以及原代猪瓣膜内皮细胞(pVECs)进行了 RNA 测序。该数据集为理解 MEndT 的分子机制及其对 CAVD 发病机制的潜在贡献提供了资源。

【主题与分类】

主题标签:Transcriptomics。本站分类:心血管系统疾病/主动脉瓣疾病。

【获取与许可】

源站页面:https://omicsdi.org/dataset/geo/GSE308127

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://omicsdi.org/dataset/geo/GSE308127

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

钙化性主动脉瓣疾病(CAVD)是一种以纤维化、钙化和内皮功能障碍为特征的进行性疾病。瓣膜间质细胞(VICs)是主动脉瓣内主要的细胞类型,在瓣膜重塑中发挥关键作用。近期证据表明,VICs具有表型可塑性,并可能在钙化条件下发生间充质-内皮转化(MEndT)。为探索这一过程的转录图谱,我们对在生长培养基(GM)中培养的原代猪VICs、在成骨培养基(OM)中培养8天的原代猪VICs以及原代猪瓣膜内皮细胞(pVECs)进行了RNA测序。该数据集为了解MEndT的分子机制及其对CAVD发病机制的潜在贡献提供了资源。

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