斑马鱼胰岛β细胞ATP依赖性钾通道的表达与功能数据
该数据集来自 Dryad,对应 2017 年关于斑马鱼胰岛 β 细胞 ATP 依赖性钾通道(KATP 通道)表达与功能的研究

基本信息
资源简介
斑马鱼胰岛β细胞ATP依赖性钾通道的表达与功能数据
Data from: Expression and function of ATP-dependent potassium channels in zebrafish islet β-cells
该数据集来自 Dryad,对应 2017 年关于斑马鱼胰岛 β 细胞 ATP 依赖性钾通道(KATP 通道)表达与功能的研究。内容涉及斑马鱼胰岛 β 细胞中功能性 KATP 通道的亚基组成、结构及代谢敏感性,并显示其与哺乳动物对应通道相似;同时包含使用 KATP 通道开放剂 diazoxide 激活斑马鱼 KATP 后干扰成年斑马鱼葡萄糖耐量的证据。数据可用于比较斑马鱼与哺乳动物 β 细胞 KATP 通道的保守性,以及研究代谢—分泌偶联和血糖稳态机制(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):ATP敏感性钾通道(KATP通道)是许多哺乳动物组织中的关键营养传感器。在胰腺中,KATP通道对于将葡萄糖代谢与胰岛素分泌偶联至关重要。尽管哺乳动物代谢—分泌偶联的许多组分的直系同源基因存在于低等脊椎动物中,但它们的表达、功能以及对机体葡萄糖稳态的最终影响尚不清楚。在本文中,我们证明斑马鱼胰岛β细胞表达功能性KATP通道,其亚基组成、结构和代谢敏感性与哺乳动物对应通道相似。我们进一步表明,使用diazoxide(一种特异性KATP通道开放剂)对天然斑马鱼KATP进行药理学激活,足以干扰成年斑马鱼的葡萄糖耐量。β细胞KATP通道表达和功能在斑马鱼与哺乳动物之间保守,说明
【主题与分类】
主题标签:beta cell、Insulin、Danio rerio、channel、ATP。本站分类:消化系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.1v074
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.1v074
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:
数据集大小约 309.4 MB。
数据说明
ATP敏感性钾通道(KATP通道)是许多哺乳动物组织中的关键营养传感器。在胰腺中,KATP通道对于将葡萄糖代谢与胰岛素分泌耦合至关重要。尽管在低等脊椎动物中存在与哺乳动物代谢-分泌耦合许多组分同源的基因,但它们的表达、功能以及对机体葡萄糖稳态的最终影响尚不清楚。在本文中,我们证明斑马鱼胰岛β细胞表达功能性KATP通道,其亚基组成、结构和对代谢的敏感性与哺乳动物的对应通道相似。我们进一步表明,使用二氮嗪(一种特异性KATP通道开放剂)对天然斑马鱼KATP进行药理学激活,足以扰乱成年斑马鱼的葡萄糖耐量。β细胞KATP通道的表达和功能在斑马鱼与哺乳动物之间保守,这说明了从鱼类到人类的胰岛代谢感知的进化保守性,并为使用斑马鱼来模拟胰岛葡萄糖感知和膜兴奋性疾病(如新生儿糖尿病)提供了依据。
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。




