GSE209781:糖尿病肾病肾脏单细胞转录组图谱
该数据集来自 NCBI GEO(GSE209781),对 3 例糖尿病肾病(DKD)和 3 例正常人类肾脏样本进行 10×Genomics 单细胞 RNA 测序,共纳入 51315 个细胞,鉴定出 9 种肾脏细胞类型和 7 种免疫细胞类型

基本信息
资源简介
GSE209781:糖尿病肾病肾脏单细胞转录组图谱
A single-cell transcriptomic atlas characterizes the kidney in the diabetic kidney disease
该数据集来自 NCBI GEO(GSE209781),对 3 例糖尿病肾病(DKD)和 3 例正常人类肾脏样本进行 10×Genomics 单细胞 RNA 测序,共纳入 51315 个细胞,鉴定出 9 种肾脏细胞类型和 7 种免疫细胞类型。数据覆盖足细胞、系膜细胞、内皮细胞、近端小管和巨噬细胞等细胞类型的基因表达与信号通路变化,可用于研究 DKD 中炎症、凋亡、氧化应激、细胞外基质积累和免疫激活相关机制,以及肾脏细胞的再生能力(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):糖尿病肾病(DKD)是糖尿病常见且具破坏性的微血管并发症,是终末期肾病(ESRD)的主要原因。由于 DKD 中肾脏损伤的机制在很大程度上未知,我们使用 10×Genomics 对采集自 3 例 DKD 和 3 例正常样本的人类肾脏进行了单细胞 RNA 测序(scRNA-seq)。在我们的研究中,共有 51315 个细胞被纳入分析,并鉴定出九种肾脏细胞类型和七种免疫细胞类型。足细胞、系膜细胞、内皮细胞、近端小管和巨噬细胞的细胞类型特异性基因表达和信号通路变化表明,与炎症、凋亡、氧化应激、细胞外基质积累和免疫激活相关的异常调控。特别是,我们表明足细胞和肾小管上皮细胞具有巨大的再生能力,
【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:内分泌、营养和代谢疾病/糖尿病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE209781
【使用注意】
· 源站最后修改于 Feb 04 202,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=GSE209781
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
糖尿病肾病(DKD)是糖尿病常见且具破坏性的微血管并发症,是终末期肾病(ESRD)的主要原因。由于DKD中肾损伤的机制在很大程度上尚不清楚,我们使用10×Genomics对从3例DKD和3例正常样本收集的人肾脏进行了单细胞RNA测序(scRNA-seq)。在我们的研究中,共有51315个细胞被纳入分析,并鉴定出九种肾脏细胞类型和七种免疫细胞类型。足细胞、系膜细胞、内皮细胞、近端小管和巨噬细胞的细胞类型特异性基因表达和信号通路变化表明,与炎症、凋亡、氧化应激、细胞外基质积累和免疫激活相关的异常调节。特别是,我们发现足细胞和肾小管上皮细胞具有巨大的再生能力,这参与损伤的修复。而细胞外囊泡作为细胞间通讯的重要介质,可能在这一过程中发挥重要作用。此外,我们还鉴定了负责DKD进展的新候选转录因子。
我们还揭示了M1-M2混合模式,其中M1和M2在DKD巨噬细胞中呈耦合激活状态。此外,我们展示了肾脏细胞与肾脏细胞之间或肾脏细胞与免疫细胞之间复杂的细胞间相互作用。因此,我们的研究将进一步加深对DKD发病机制的理解,并为未来治疗提供新的治疗靶点。
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。




