Weissella confusa Wc1982 改善仓鼠高脂血症的肝脏转录组数据
该数据集来自 NCBI GEO，包含 Golden Syrian 仓鼠肝脏 RNA 测序数据，用于研究人粪便来源候选益生菌 Weissella confusa Wc1982 对高脂饮食诱导高脂血症的改善作用
基本信息
资源简介
Weissella confusa Wc1982 改善仓鼠高脂血症的肝脏转录组数据
Weissella confusa Wc1982 ameliorates hyperlipidemia through gut microbiota remodeling and hepatic PPARα/NF-κB signaling in hamsters
该数据集来自 NCBI GEO，包含 Golden Syrian 仓鼠肝脏 RNA 测序数据，用于研究人粪便来源候选益生菌 Weissella confusa Wc1982 对高脂饮食诱导高脂血症的改善作用。实验设置正常饮食、高脂饮食及高脂饮食加口服 Wc1982 三组，共 18 个肝脏样本，提供原始基因水平计数和 FPKM 归一化表达值。数据可用于分析 PPARα 调控的脂肪酸摄取、氧化与生酮相关基因表达变化，以及经典和非经典 NF-κB 通路和纤维化相关基因的抑制情况，适合开展宿主代谢与转录调控研究（来源 NCBI）。
【数据集背景】
源站首次发布：Jun 22 202。
【数据内容】
源站描述（机器翻译，仅供参考）：本研究探讨了源自人类粪便的候选益生菌 Weissella confusa Wc1982 是否能改善 Golden Syrian 仓鼠中高脂饮食诱导的高脂血症，并表征了相关的肝脏转录反应。雄性 LVG 仓鼠接受正常饮食、高脂饮食或高脂饮食加口服 Wc1982（5 × 10^8 CFU/天）六周。肝脏 RNA 测序显示，Wc1982 增加了参与 PPARα 调控的脂肪酸摄取、脂肪酸氧化和生酮作用的基因表达，同时降低了经典和非经典 NF-κB 通路基因以及纤维化相关基因的表达。该数据集包含 18 个肝脏样本的原始基因水平计数和 FPKM 归一化表达值。
【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：GPL28997、10036。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=GSE336151
【使用注意】
· 源站最后修改于 Jun 30 202，引用时请注意版本时效。
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=GSE336151
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
本研究探讨了源自人类粪便的候选益生菌魏斯氏菌Wc1982是否能改善高脂饮食诱导的金色叙利亚仓鼠高脂血症，并表征了相关的肝脏转录反应。雄性LVG仓鼠接受正常饮食、高脂饮食或高脂饮食加口服Wc1982（5×10^8 CFU/天）六周。肝脏RNA测序显示，Wc1982增加了参与PPARα调控的脂肪酸摄取、脂肪酸氧化和生酮作用的基因表达，同时降低了经典和非经典NF-κB通路基因以及纤维化相关基因的表达。该数据集包含18个肝脏样本的原始基因水平计数和FPKM归一化表达值。
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。
