用互补胚胎模型绘制形态毒性图谱
该数据集来自 DataverseNL,围绕化学诱发性障碍中的形态毒性研究,提供基于三种互补 3D 干细胞胚胎模型的高通量筛选数据

基本信息
资源简介
用互补胚胎模型绘制形态毒性图谱
Charting morphotoxicity with complementary embryo models
该数据集来自 DataverseNL,围绕化学诱发性障碍中的形态毒性研究,提供基于三种互补 3D 干细胞胚胎模型的高通量筛选数据。模型包括着床前阶段 blastoids、着床后早期 epiblast-like(EPICs)与 amnion-like clusters(AMNICs),在热成型微孔阵列中培养并系统暴露于 27 种常用化合物库,通过自动化图像分析量化形态毒性效应。数据可用于识别化合物的形态毒性作用,支持发育毒性评估与相关分类研究(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):理解发育毒性需要捕捉定义早期人类胚胎发生的完整形态多样性谱,即形态空间。依赖动物模型或简化二维细胞培养的传统毒性测试方法,本质上忽略了不同发育阶段与细胞谱系之间细微的相互作用。为弥补这一空白,我们提出一种创新的高通量筛选方法,利用三种互补的 3D 干细胞胚胎模型:着床前阶段 blastoids,以及着床后早期阶段 epiblast-like(EPICs)和 amnion-like clusters(AMNICs)。这些模型在热成型微孔阵列中培养,被系统暴露于一个包含 27 种广泛使用化合物的文库。自动化图像分析可精确量化形态毒性效应。关键发现包括识别出诸如 a 等化合物
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:化学诱发性障碍/其他。
【获取与许可】
源站页面:https://dataverse.nl/citation?persistentId=doi:10.34894/HPYT9N
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://doi.org/10.34894/HPYT9N
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
理解发育毒性需要捕捉定义人类早期胚胎发生的完整形态多样性谱,即形态空间。传统的毒性测试方法依赖动物模型或简化的二维细胞培养,本质上忽视了不同发育阶段与细胞谱系之间微妙的相互作用。为弥补这一空白,我们提出了一种创新的高通量筛选方法,利用三种互补的基于三维干细胞的胚胎模型:植入前阶段的类囊胚,以及植入后早期的类上胚层(EPICs)和类羊膜簇(AMNICs)。这些模型在热成型微孔阵列中培养,并被系统地暴露于一个包含27种广泛使用化合物的文库中。基于图像的自动化分析实现了对形态毒性效应的精确定量。关键发现包括鉴定出抗坏血酸和丙戊酸等化合物,它们在不同胚胎模型中表现出明显且相反的作用,凸显了发育阶段特异性的敏感性。
这一整合性平台强调了互补性胚胎模型在实现稳健且与人类相关的发育毒性评估中的关键作用。
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。




