糖尿病、糖尿病合并冠状动脉微循环障碍及糖尿病合并冠状动脉疾病患者外泌体miRNA表达谱

该数据集来自NCBI GEO,标题为GSE234464,聚焦糖尿病、糖尿病合并冠状动脉微循环障碍(CMD)及糖尿病合并冠状动脉疾病(CAD)患者血清外泌体miRNA的表达谱

geo
浏览 7
基因组分类GPL207959606
GSE234464: Expression profiling in exosomal miRNAs of diabetes, diabetes with coronary microcirculation disorder, and diabetes with coronary artery disease

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-27

资源简介

糖尿病、糖尿病合并冠状动脉微循环障碍及糖尿病合并冠状动脉疾病患者外泌体miRNA表达谱

Expression profiling in exosomal miRNAs of diabetes, diabetes with coronary microcirculation disorder, and diabetes with coronary artery disease

该数据集来自NCBI GEO,标题为GSE234464,聚焦糖尿病、糖尿病合并冠状动脉微循环障碍(CMD)及糖尿病合并冠状动脉疾病(CAD)患者血清外泌体miRNA的表达谱。研究分离三组患者血清外泌体,通过高通量测序比较循环外泌体特征差异,旨在寻找CMD诊断标志物与治疗靶点。数据含1个文件GSE234464_series_matrix.txt.gz,主题标签涉及非编码RNA高通量测序、GPL20795平台及人类9606。可用于外泌体miRNA差异表达分析与糖尿病相关血管并发症标志物探索(来源 NCBI)。

【数据集背景】

源站首次发布:Jun 08 202。

【数据内容】

源站描述(机器翻译,仅供参考):由于起病隐匿且难以诊断和干预,寻找糖尿病冠状动脉微循环障碍(CMD)的诊断标志物和治疗靶点尤为重要。循环外泌体作为来源于多种组织细胞的内源性外泌体,介导细胞与组织间的通讯,可能成为未来糖尿病CMD诊断、预后和个体化治疗的关键点。因此,我们分别从糖尿病患者以及CMD或冠状动脉疾病(CAD)患者中分离血清外泌体,探索三种循环外泌体之间特征的差异。

【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:GPL20795、9606。本站分类:循环系统疾病/其他。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234464

【使用注意】

· 源站最后修改于 Feb 26 202,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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234464

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

由于起病隐匿且难以诊断和干预,寻找糖尿病冠状动脉微循环障碍(CMD)的诊断标志物和治疗靶点尤为重要。循环外泌体作为来源于多种组织细胞的内源性外泌体,介导细胞与组织间的通讯,可能成为未来糖尿病CMD诊断、预后和个性化治疗的关键环节。因此,我们分别从糖尿病患者以及CMD或冠状动脉疾病(CAD)患者中分离了血清外泌体,并探讨了三种循环外泌体之间的特征差异。

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。

需要用于商业化训练或医疗器械注册(NMPA/FDA)?

公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。