FXR与BET信号协同保护β细胞数据集

该数据集来自NCBI GEO(GSE339550),聚焦FXR与BET信号在炎症应激下协同保护胰岛β细胞的分子机制。研究在EndoC-βH1人胰岛β细胞中开展RNA测序与BRD4 ChIP-seq,覆盖FXR和BET信号药理调控下的基因表达谱与全基因组BRD4占据情况

geo
浏览 1
时间序列预测GPL246769606
GSE339550: FXR and BET signaling orchestrate to protect beta cells

基本信息

模态
时间序列
任务类型
预测
创建/更新时间
2026-11-08

资源简介

FXR与BET信号协同保护β细胞数据集

FXR and BET signaling orchestrate to protect beta cells

该数据集来自NCBI GEO(GSE339550),聚焦FXR与BET信号在炎症应激下协同保护胰岛β细胞的分子机制。研究在EndoC-βH1人胰岛β细胞中开展RNA测序与BRD4 ChIP-seq,覆盖FXR和BET信号药理调控下的基因表达谱与全基因组BRD4占据情况。数据可用于分析FXR激活对抗炎症损伤的保护效应、探索BET蛋白与BRD4在β细胞功能调控中的转录网络,并为相关机制预测与验证提供表达与占据层面的基础资源(来源 NCBI)。

【数据集背景】

源站首次发布:Jul 22 202。

【数据内容】

源站描述(机器翻译,仅供参考):本研究探讨法尼醇X受体(FXR)与含溴结构域和超末端结构域(BET)蛋白在炎症应激下协同调控胰腺β细胞功能的分子机制。在FXR与BET信号的药理调控下,对EndoC-βH1人胰腺β细胞进行了RNA测序和BRD4 ChIP-seq分析。处理后的数据集提供了与FXR激活对抗炎症损伤的保护效应相关的基因表达谱和全基因组BRD4占据情况。

【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:GPL24676、9606。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=GSE339550

【使用注意】

· 源站最后修改于 Nov 06 202,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=GSE339550

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

本研究探讨在炎症应激条件下,法尼醇X受体(FXR)与溴结构域和超末端结构域(BET)蛋白协同调控胰腺β细胞功能的分子机制。在FXR和BET信号通路药理学调控下,对EndoC-βH1人胰腺β细胞进行了RNA测序和BRD4 ChIP-seq分析。所处理的数据集提供了与FXR激活对炎症损伤的保护作用相关的基因表达谱和全基因组BRD4占据情况。

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。