不同负荷运动对雄性大鼠双心房基因表达的影响

该数据集来自 NCBI GEO,标题为不同负荷运动对雄性大鼠双心房基因表达的影响,包含 1 个文件 GSE289211_series_matrix.txt.gz,采用表达谱芯片平台 GPL26140,物种为大鼠(10116)

geo
浏览 4
基因组分类Expression profiling by arrayGPL2614010116
GSE289211: Effect of exercise at different loads in gene expression of both atria in male rats

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-22

资源简介

不同负荷运动对雄性大鼠双心房基因表达的影响

Effect of exercise at different loads in gene expression of both atria in male rats

该数据集来自 NCBI GEO,标题为不同负荷运动对雄性大鼠双心房基因表达的影响,包含 1 个文件 GSE289211_series_matrix.txt.gz,采用表达谱芯片平台 GPL26140,物种为大鼠(10116)。研究关注中等强度与剧烈运动及两者转换对心房颤动风险的影响,分析双心房重构。数据可用于比较不同运动负荷下心房基因表达差异,探索运动相关心房颤动风险的分子机制(来源 NCBI)。

【数据集背景】

源站首次发布:Feb 10 202。

【数据内容】

源站描述(机器翻译,仅供参考):剧烈运动会增加心房颤动的风险,而中等强度体力活动被认为可降低该风险。动物模型数据提示,高强度运动而非中等强度训练会增加心房纤维化,并可能构成心房颤动风险增加的基础。从中等强度向剧烈运动过渡对心房颤动风险的影响及其潜在机制仍知之甚少。我们旨在分析中等强度和剧烈运动后的双心房重构。

【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:Expression profiling by array、GPL26140、10116。本站分类:心血管系统疾病/心房颤动。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE289211

【使用注意】

· 源站最后修改于 May 17 202,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=GSE289211

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

剧烈运动增加心房颤动的风险,而中等强度体力活动被认为可降低其风险。动物模型数据提示,高强度运动而非中等强度训练会增加心房纤维化,并可能构成心房颤动风险增加的基础。从中等强度运动向剧烈运动过渡对心房颤动风险的影响及其潜在机制仍知之甚少。我们旨在分析中等强度和剧烈运动后的双心房重构。我们对久坐、中等强度训练和高强度训练大鼠的右心房和左心房进行了RNA微阵列分析,以揭示高强度训练大鼠心房纤维化的发生机制。

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