先天性膈疝中的microRNAs:产前与围产期生物标志物及分子通路改变
该数据集来自NCBI,包含一项关于先天性膈疝(CDH)的前瞻性研究,采集妊娠晚期母体血液、羊水、脐带血和新生儿血液样本,比较CDH妊娠与健康对照的miRNA表达

基本信息
资源简介
先天性膈疝中的microRNAs:产前与围产期生物标志物及分子通路改变
microRNAs in congenital diaphragmatic hernia: insights into prenatal and perinatal biomarkers and altered molecular pathways
该数据集来自NCBI,包含一项关于先天性膈疝(CDH)的前瞻性研究,采集妊娠晚期母体血液、羊水、脐带血和新生儿血液样本,比较CDH妊娠与健康对照的miRNA表达。数据通过高通量测序进行非编码RNA谱分析,平台为GPL16791,物种为人(9606)。数据集可用于识别区分CDH妊娠与健康对照的循环miRNA,并评估其作为疾病严重程度标志物的潜力,涉及产前与围产期生物标志物及分子通路改变研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:先天性膈疝(CDH)以膈肌缺损为特征,导致腹腔器官疝入胸腔、肺受压和肺发育受损,常引起肺动脉高压和肺发育不良。产前超声和MRI等影像技术可提供结局的解剖学预测指标,但其局限性需要新的生物标志物以提高预后准确性。目的:本研究旨在识别独特的母体、胎儿和新生儿循环microRNAs(miRNAs),以区分CDH妊娠与健康对照,并评估其作为疾病严重程度标志物的潜力。研究设计:我们开展了一项前瞻性研究,纳入妊娠晚期母体血液、羊水、脐带血和新生儿血液样本,来自合并CDH的妊娠和健康对照。miRNA表达通过……分析(源站描述在此处截断)
【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:GPL16791、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=GSE316871
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。
使用方式
数据集获取
源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE316871
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
背景:先天性膈疝(CDH)以膈肌缺损为特征,导致腹腔器官疝入胸腔、肺受压及肺发育受损,常引起肺动脉高压和肺发育不良。超声和MRI等产前影像技术可提供解剖学预后预测指标,但其局限性使得有必要寻找新型生物标志物以提高预后准确性。目的:本研究旨在识别能够区分CDH妊娠与健康对照的独特母体、胎儿及新生儿循环microRNA(miRNA),并评估其作为疾病严重程度标志物的潜力。研究设计:我们开展了一项前瞻性研究,纳入合并CDH的妊娠及健康对照的孕晚期母血、羊水、脐血及新生儿血样本。采用RNA测序分析miRNA表达,并通过随机森林分析识别区分CDH存活者与非存活者的miRNA。进行通路富集分析以探讨差异表达miRNA的生物学相关性。
结果:在所有样本类型中,CDH与对照样本之间均观察到显著的miRNA表达差异。在婴儿血液中,CDH病例有148个miRNA上调,36个miRNA下调。通路分析显示,CDH中失调的miRNA靶向与蛋白质结合、转录调控相关的通路,以及与肺动脉高压和肺发育不良相关的信号通路。随机森林分析识别出母血中的miRNA(miR-7850-5p_L-1R+2、miR-942-3p和miR-197-3p)可将CDH存活者与非存活者区分开来,受试者工作特征曲线下面积为1.0。结论:母血中的循环miRNA是预测CDH结局的有前景的生物标志物。婴儿血液中的miRNA为危重
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




