NF-kB协调BRD4依赖的促炎超级增强子重塑 [ChIP-Seq]
该数据集来源于omicsdi.org,属于心血管系统疾病/动脉粥样硬化分类,主题标签为Genomics。数据为ChIP-Seq类型,对应研究NF-kB如何协调BRD4依赖的促炎超级增强子重塑
![NF-kB coordinates rapid, BRD4-dependent remodeling of proinflammatory super-enhancers [ChIP-Seq]](/medical-api/medicalDataset/datasetCover/105417.jpg)
基本信息
资源简介
NF-kB协调BRD4依赖的促炎超级增强子重塑 [ChIP-Seq]
该数据集来源于omicsdi.org,属于心血管系统疾病/动脉粥样硬化分类,主题标签为Genomics。数据为ChIP-Seq类型,对应研究NF-kB如何协调BRD4依赖的促炎超级增强子重塑。源站描述显示,该研究在人内皮细胞中探讨活化NF-kB结合增强子并引发BRD4在超级增强子处的快速全局重分布,新建立的NF-kB超级增强子驱动邻近经典炎症反应基因,BET溴结构域抑制可阻止超级增强子形成并消除促炎转录。该数据可用于研究炎症相关染色质重塑与转录调控机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):促炎刺激迅速且全局性地重塑染色质景观,从而启动转录反应。然而,将染色质调控因子与主调控炎症转录因子NF-kB偶联的机制仍知之甚少。我们在人内皮细胞(ECs)中报告,活化的NF-kB结合增强子,引发BRD4优先在超级增强子(被染色质调控因子高度结合的大型增强子结构域)处快速、全局性重分布。新建立的NF-kB超级增强子驱动附近的经典炎症反应基因。在ECs和巨噬细胞中,BET溴结构域抑制均可阻止NF-kB激活下游的超级增强子形成,从而消除促炎转录。在TNFa激活的内皮中,这最终导致白细胞滚动、黏附和跨内皮迁移的功能性抑制。持续的BET溴结构域抑制
【主题与分类】
主题标签:Genomics。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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-53998
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/biostudies-arrayexpress/E-GEOD-53998
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
促炎刺激迅速且全局性地重塑染色质景观,从而启动转录反应。然而,染色质调节因子与主控调节炎症转录因子NF-kB之间的耦合机制仍知之甚少。我们在人类内皮细胞(ECs)中报告,激活的NF-kB结合至增强子,引发BRD4优先在超级增强子——由染色质调节因子高度结合的大型增强子域——上的快速、全局重新分布。新建立的NF-kB超级增强子驱动邻近的经典炎症反应基因。在内皮细胞和巨噬细胞中,BET溴结构域抑制均阻止了NF-kB激活下游的超级增强子形成,从而消除了促炎转录。在TNFa激活的内皮中,这最终导致白细胞滚动、粘附和跨膜迁移的功能性抑制。持续使用BET溴结构域抑制剂治疗LDLr-/-动物可抑制动脉粥样硬化的形成,这是一种源于涉及内皮和巨噬细胞的病理性血管炎症的疾病过程。
这些数据确立了BET-溴结构域作为炎症反应的关键效应器,通过它们在NF-kB激活过程中对超级增强子进行动态、全局重组织的作用。针对人类内皮细胞中多种转录因子、RNA聚合酶II及组蛋白修饰的ChIP-Seq分析
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。




