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。

DataONE
2025-09-30 更新
浏览 11
遗传性疾病细胞代谢

基本信息

创建/更新时间
2025-09-30

资源简介

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。

原始链接

https://search.dataone.org/view/sha256:06140d751366ccdce6dabc9d65f802d854ae073299b9b5aaa375adbe6e0482a0

访问原始数据

官方服务

如需原始数据获取支持或标注服务,请联系我们。

帮我联系

下载信息

注册下载

Tips: 该数据集需要在对应的数据源网站注册通过后,才能进行数据下载,注册有对应要求,或者需要收费。

暂未开放

公开下载

Tips: 该数据集属于公开下载,应该可以免费公开下载。

暂未开放

有偿下载

Tips: 该数据集 Qianfanghub 可以协助提供有偿下载服务,注意,服务不针对数据相关产权,只是技术服务费。

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

千方医数集,医疗数据集部分,是为社区服务的公开医疗数据集搜索引擎,并不存储或者下载原始的任何数据。 如果您有其他医疗数据需求,可以和客服联系,或者下工单。我们有强大的三甲医疗机构帮助您提供个性化的医疗数据定制、采集、标注服务。

使用方式

数据集获取

源站:https://search.dataone.org/view/sha256:06140d751366ccdce6dabc9d65f802d854ae073299b9b5aaa375adbe6e0482a0

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 openxlabopenxlab.dataset.get(...)
    • ModelScope: pip install modelscopemodelscope 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

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))

精度瓶颈?数据缺失?

当前公开数据无法满足您的算法精度?千方提供针对 遗传性疾病 的高质量、多模态真实临床数据定制解决方案。

获取专属数据定制方案