遗传性mtDNA突变重塑巨噬细胞及体内炎症细胞因子反应数据集
该数据集是一个整合了RNA测序和蛋白质组学数据的多组学数据集，包含来自携带m.5019A>G线粒体tRNA突变小鼠模型的巨噬细胞在基础状态和LPS刺激后的基因表达与蛋白质丰度信息，主要用于研究遗传性线粒体DNA突变如何通过影响细胞代谢重编程来重塑巨噬细胞的炎症细胞因子反应，为线粒体疾病与免疫代谢交叉领域提供关键实验数据。
基本信息
资源简介
遗传性mtDNA突变重塑巨噬细胞及体内炎症细胞因子反应数据集
【数据集背景】
本数据集源站标题为《An inherited mtDNA mutation remodels inflammatory cytokine responses in macrophages and in vivo》。
【数据内容】
源站原始描述：Impaired mitochondrial bioenergetics in macrophages can drive hyperinflammatory cytokine production, but whether this is caused by inherited mtDNA mutations is unknown. Here, we address this important question using a multi-omic approach that integrates super-resolution imaging and metabolic analyses to profile macrophages from a mouse model of mitochondrial disease caused by a heteroplasmic mutation (m.5019A>G) in the mitochondrial tRNA for alanine. These m.5019A>G macrophages exhibit defects i…
【主题与分类】
主题标签：RNA sequencing、Proteomics、Transcriptome analysis。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:06140d751366ccdce6dabc9d65f802d854ae073299b9b5aaa375adbe6e0482a0
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
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
该数据集是一个多组学整合数据集，旨在研究遗传性线粒体DNA（mtDNA）突变对巨噬细胞免疫反应和代谢功能的影响。数据集包含来自携带异质性m.5019A>G线粒体tRNA丙氨酸突变小鼠模型的巨噬细胞样本，在基础状态和脂多糖（LPS）刺激后的实验数据。主要数据类型包括：RNA测序原始数据（FASTQ格式）和基因表达计数矩阵（CSV格式），以及数据非依赖性采集（DIA）蛋白质组学定量数据（TSV/Excel格式）。数据通过超分辨率成像、代谢分析和多组学技术生成，用于探究mtDNA突变如何导致呼吸链复合物缺陷、氧化磷酸化受损，并引发代谢重编程（如增强谷氨酰胺还原代谢和有氧糖酵解），进而重塑炎症激活时的I型干扰素释放和促炎细胞因子产生。该数据集主要应用于线粒体疾病、免疫代谢、巨噬细胞生物学和先天免疫反应机制的研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
