小鼠单纯性脂肪肝肝脏转录组数据集

该数据集为小鼠单纯性脂肪肝(NAFL)模型的肝脏转录组RNA测序数据,包含NAFL组与正常对照组小鼠肝脏全基因组mRNA表达谱

geo
浏览 2
基因组分类GPL1702110090
GSE199121: Liver Transcriptomes of Simple steatosis in Mice

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-11-02

资源简介

小鼠单纯性脂肪肝肝脏转录组数据集

Liver Transcriptomes of Simple steatosis in Mice

该数据集为小鼠单纯性脂肪肝(NAFL)模型的肝脏转录组RNA测序数据,包含NAFL组与正常对照组小鼠肝脏全基因组mRNA表达谱。研究采用高果糖高胆固醇饮食诱导12周构建模型,以FDR 2为阈值鉴定出176个差异表达基因,其中118个上调、58个下调,并列出Themis、Cfd、Aqp8、Osbpi3和Scd1等前5个上调基因。数据可用于脂肪肝分子特征分析及差异表达基因筛选研究(来源 NCBI)。

【数据集背景】

源站首次发布:Mar 22 202。

【数据内容】

源站描述(机器翻译,仅供参考):在本研究中,我们采用高果糖高胆固醇(HFHC饮食)喂养12周构建了单纯性脂肪肝(NAFL)小鼠模型。随后,我们进行RNA测序分析以揭示单纯性脂肪肝的分子特征。结果,我们获得了两组小鼠(NAFL组与正常组)肝脏的全基因组mRNA表达。以FDR 2为阈值,我们在NAFL小鼠肝脏中相对于正常对照小鼠鉴定出176个差异表达基因(DEGs),其中118个上调、58个下调。NAFL小鼠中前5个上调基因包括编码Themis、Cfd、Aqp8、Osbpi3和Scd1的基因。

【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:GPL17021、10090。本站分类:消化系统疾病。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE199121

【使用注意】

· 源站最后修改于 Mar 25 202,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

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=GSE199121

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

在我们的研究中,我们通过高果糖和高胆固醇(HFHC饮食)喂养12周,构建了单纯性脂肪变性(NAFL)小鼠模型。接下来,我们进行了RNA测序分析,以揭示单纯性脂肪变性的分子特征。结果,我们获得了两组小鼠(NAFL组与正常组)肝脏的全基因组mRNA表达。以FDR < 0.01且倍数变化 > 2为阈值,我们在NAFL小鼠肝脏中相对于正常对照小鼠鉴定出176个差异表达基因(DEGs),其中118个上调,58个下调。NAFL小鼠中上调最显著的前5个基因包括编码Themis、Cfd、Aqp8、Osbpi3和Scd1的基因。

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。