缺氧与常氧条件下人瘢痕疙瘩成纤维细胞外泌体microRNA表达谱
该数据集来自NCBI GEO,对人瘢痕疙瘩成纤维细胞在缺氧(3% O2)与常氧(20% O2)条件下分泌的外泌体进行small RNA测序,共6个样本(缺氧组D1-D3、常氧组C1-C3),鉴定出27个差异表达miRNA,其中miR-29a-3p在缺氧组外泌体中显著上调,并进一步研究其通过靶向VAS

基本信息
资源简介
缺氧与常氧条件下人瘢痕疙瘩成纤维细胞外泌体microRNA表达谱
MicroRNA expression profiling of exosomes derived from human keloid fibroblasts under hypoxic and normoxic conditions
该数据集来自NCBI GEO,对人瘢痕疙瘩成纤维细胞在缺氧(3% O2)与常氧(20% O2)条件下分泌的外泌体进行small RNA测序,共6个样本(缺氧组D1-D3、常氧组C1-C3),鉴定出27个差异表达miRNA,其中miR-29a-3p在缺氧组外泌体中显著上调,并进一步研究其通过靶向VASH1促进内皮细胞增殖、迁移和成管的功能。数据可用于非编码RNA表达谱分析、差异miRNA筛选及瘢痕疙瘩血管生成机制研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):本研究旨在探究瘢痕疙瘩成纤维细胞(KFs)来源的外泌体miRNA在促进血管生成和瘢痕疙瘩形成中的作用。原代KFs在缺氧(3% O2)和常氧(20% O2)条件下培养,并从条件培养基中分离外泌体。对这些外泌体进行small RNA测序以鉴定差异表达miRNA。共分析6个样本,包括缺氧组3个生物学重复(D1-D3,Hypoxic-KFs-exo)和常氧组3个(C1-C3,Normoxic-KFs-exo)。我们鉴定出27个差异表达miRNA,其中miR-29a-3p在缺氧KFs-exo中显著上调。进一步的功能和机制研究表明,外泌体miR-29a-3p被递送至人脐静脉内皮细胞(HUVECs),直接靶向VASH1以促进内皮增殖、迁移和成管
【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:GPL16791、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=GSE348938
【使用注意】
· 源站最后修改于 Oct 03 202,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=GSE348938
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
本研究旨在探究瘢痕疙瘩成纤维细胞(KFs)来源的外泌体miRNA在促进血管生成及瘢痕疙瘩形成中的作用。原代KFs在缺氧(3% O2)和常氧(20% O2)条件下培养,并从条件培养基中分离外泌体。对这些外泌体进行小RNA测序以鉴定差异表达的miRNA。共分析6个样本,包括缺氧组的3个生物学重复(D1-D3,Hypoxic-KFs-exo)和常氧组的3个生物学重复(C1-C3,Normoxic-KFs-exo)。我们鉴定出27个差异表达的miRNA,其中miR-29a-3p在缺氧KFs-exo中显著上调。进一步的功能和机制研究表明,外泌体miR-29a-3p被递送至人脐静脉内皮细胞(HUVECs)中,直接靶向VASH1以促进内皮细胞增殖、迁移和管腔形成,最终增强瘢痕疙瘩进展中的血管生成。
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。




