Crenigacestat抑制人瓣膜间质细胞成骨分化及对心血管钙化治疗前景的研究
该数据集来自 omicsdi.org,围绕钙化性主动脉瓣疾病(CAVD)缺乏靶向治疗的问题,在体外测试 Notch 信号抑制剂 crenigacestat(LY3039478)与针对 RBPJk 的 shRNA 对瓣膜间质细胞(VICs)成骨分化的抑制作用

基本信息
资源简介
Crenigacestat抑制人瓣膜间质细胞成骨分化及对心血管钙化治疗前景的研究
该数据集来自 omicsdi.org,围绕钙化性主动脉瓣疾病(CAVD)缺乏靶向治疗的问题,在体外测试 Notch 信号抑制剂 crenigacestat(LY3039478)与针对 RBPJk 的 shRNA 对瓣膜间质细胞(VICs)成骨分化的抑制作用。数据为在 TimsToF Pro 仪器上以 DDA PASEF 模式进行的 shotgun 蛋白质组学分析结果,覆盖经典成骨培养基(OM)以及添加 crenigacestat、DMSO 或 shCSL 的 OM 条件下的 VICs,可用于研究上述干预抑制成骨分化的分子机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):血管钙化是常见的病理现象,其多种形式出现在半数人群中。钙化性主动脉瓣疾病(CAVD)是血管钙化最危险的形式之一。尽管死亡率高,但目前尚无针对 CAVD 的靶向治疗。因此,我们在体外测试了 Notch 信号抑制剂 crenigacestat(LY3039478)以及针对 RBPJk 的 shRNA 对瓣膜间质细胞(VICs)成骨分化的抑制作用。两者均有效抑制了成骨分化,我们进行了蛋白质组学分析以描述其作用的分子机制。所提供的数据集包含在 TimsToF Pro 仪器上以 DDA PASEF 模式对经典成骨培养基(OM)以及添加 crenigacestat、DMSO 或 shCSL 的 OM 中的 VICs 进行 shotgun 蛋白质组学分析的结果。
【主题与分类】
主题标签:Valve intersticial cells、Timstof pro、Vascular calcification、Ly3039478、Notch inhibitors、Crenigacestat、Calcific aortic valve disease、Shotgun proteomics。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD029632
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/pride/PXD029632
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
血管钙化是一种常见病理,其多种形式出现在半数人类中。钙化性主动脉瓣疾病(CAVD)是血管钙化中最危险的形式之一。尽管死亡率高,但目前尚无针对CAVD的靶向治疗。因此,我们在体外测试了Notch信号抑制剂crenigacestat(LY3039478)和针对RBPJk的shRNA对瓣膜间质细胞(VICs)成骨分化的抑制作用。两者均有效抑制成骨分化,我们进行了蛋白质组学分析以描述其作用的分子机制。所提供的数据集包含在TimsToF Pro仪器上(以DDA PASEF模式)对经典成骨培养基(OM)中以及补充了crenigacestat、DMSO或shCSL的OM中的VICs进行结合离子迁移率的鸟枪法蛋白质组学分析的结果。
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。




