动脉粥样硬化平滑肌谱系转录组荟萃分析及其与体外模型的关系
该数据集为GSE174029,来源于NCBI,聚焦动脉粥样硬化病变中平滑肌谱系细胞的转录组荟萃分析。研究在单细胞水平上鉴定出24个细胞簇,发现研究间异质性显著,尤其巨噬细胞群体;对VSMC谱系阳性细胞进行轨迹分析,揭示多种状态转换路径,其中一条经增殖细胞簇从收缩型VSMC过渡至巨噬细胞

基本信息
资源简介
动脉粥样硬化平滑肌谱系转录组荟萃分析及其与体外模型的关系
Meta-analysis of smooth muscle lineage transcriptomes in atherosclerosis and their relationships to in vitro models
该数据集为GSE174029,来源于NCBI,聚焦动脉粥样硬化病变中平滑肌谱系细胞的转录组荟萃分析。研究在单细胞水平上鉴定出24个细胞簇,发现研究间异质性显著,尤其巨噬细胞群体;对VSMC谱系阳性细胞进行轨迹分析,揭示多种状态转换路径,其中一条经增殖细胞簇从收缩型VSMC过渡至巨噬细胞。体内外转录组比较显示,三项体外胆固醇处理VSMC实验未能复现体内细胞状态转换,但体外巨噬细胞谱(M1、M2、oxLDL)较VSMC更接近体内对应状态,oxLDL负载巨噬细胞相似性最高。数据可用于研究动脉粥样硬化中平滑肌细胞可塑性及体外模型适用性评估(来源 NCBI)。
【数据集背景】
源站首次发布:May 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们在对动脉粥样硬化病变单细胞的荟萃分析中鉴定出24个细胞簇,研究间存在显著异质性,尤其是巨噬细胞群体。对VSMC谱系阳性细胞的轨迹分析揭示了若干可能的状态转换路径,其中一条经由增殖细胞簇从收缩型VSMC过渡至巨噬细胞。体内与体外状态之间的转录组比较强调,三项(体外)胆固醇处理VSMC实验的数据并未反映体内观察到的细胞状态转换。然而,所分析的所有体外巨噬细胞谱(M1、M2和oxLDL)均比VSMC更接近体内巨噬细胞谱,其中oxLDL负载巨噬细胞与体内状态的相似性最高。
【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:GPL21103、10090。本站分类:心血管系统疾病/动脉粥样硬化。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE174029
【使用注意】
· 源站最后修改于 May 30 202,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=GSE174029
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
在动脉粥样硬化病变单细胞荟萃分析中,我们鉴定出24个细胞簇,研究间存在显著异质性,尤其是巨噬细胞群体。VSMC谱系阳性细胞的轨迹分析揭示了若干可能的状态转换路径,其中一条经由增殖性细胞簇从收缩型VSMC向巨噬细胞转换。体内与体外状态的转录组比较强调,三项(体外)胆固醇处理VSMC实验的数据未能反映体内观察到的细胞状态转换。然而,所分析的所有体外巨噬细胞图谱(M1、M2和oxLDL)与体内巨噬细胞图谱的相似性,均高于VSMC与体内VSMC图谱的相似性,其中oxLDL负载的巨噬细胞与体内状态最为相似。
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。




