GSE220850:高效体内基因组编辑预防小鼠肥厚型心肌病[基因组DNA]

该数据集来自NCBI GEO,标题为GSE220850,聚焦高效体内基因组编辑预防小鼠肥厚型心肌病,提供基因组DNA相关数据

geo
浏览 10
基因组预测OtherGPL1641710090
GSE220850: Efficient in vivo genome editing prevents hypertrophic cardiomyopathy in mice [genomicDNA]

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-20

资源简介

GSE220850:高效体内基因组编辑预防小鼠肥厚型心肌病[基因组DNA]

Efficient in vivo genome editing prevents hypertrophic cardiomyopathy in mice [genomicDNA]

该数据集来自NCBI GEO,标题为GSE220850,聚焦高效体内基因组编辑预防小鼠肥厚型心肌病,提供基因组DNA相关数据。源站描述显示研究评估了治疗小鼠心肌病的基因组编辑策略,包括一剂或两剂ABE8e,以及低、中、高剂量的SaCas9核酸酶。数据集含1个文件,样例为GSE220850_series_matrix.txt.gz,作者为Reichart,Daniel,发布时间为Dec 13 202。主题标签涉及Other、GPL16417和10090。该数据可用于探索基因组编辑剂量策略与心肌病预防效果之间的关系(来源 NCBI)。

【数据集背景】

源站首次发布:Dec 13 202。

【数据内容】

源站描述(机器翻译,仅供参考):我们评估了治疗小鼠心肌病的基因组编辑策略,包括一剂或两剂ABE8e,或低、中、高剂量的SaCas9核酸酶。

【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:Other、GPL16417、10090。本站分类:心血管系统疾病/肥厚型心肌病。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE220850

【使用注意】

· 源站最后修改于 Mar 14 202,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=GSE220850

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

我们评估了用于治疗小鼠心肌病的基因组编辑策略,包括一剂或两剂ABE8e,或低、中、高剂量的SaCas9核酸酶。我们在靶区域进行了RNA分析和基因组DNA分析,并进行了全转录组分析,以评估细胞表型。

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