缺氧触发人肾脏类器官适应不良修复特征 [bulk RNA-seq]

数据基于诱导多能干细胞来源的肾脏类器官模型,采用 bulk RNA-seq 进行表达谱分析,主题标签涉及高通量测序表达谱分析

geo
浏览 1
基因组预测GPL301739606
GSE236379: Hypoxia Triggers Signatures of Maladaptive Repair in Human Kidney Organoids [bulk RNA-seq]

基本信息

模态
基因组
任务类型
预测
创建/更新时间
2026-10-26

资源简介

缺氧触发人肾脏类器官适应不良修复特征 [bulk RNA-seq]

Hypoxia Triggers Signatures of Maladaptive Repair in Human Kidney Organoids [bulk RNA-seq]

该数据集来自 NCBI GEO,标题为缺氧触发人肾脏类器官适应不良修复特征 [bulk RNA-seq],包含 1 个文件 GSE236379_series_matrix.txt.gz。数据基于诱导多能干细胞来源的肾脏类器官模型,采用 bulk RNA-seq 进行表达谱分析,主题标签涉及高通量测序表达谱分析。该数据可用于研究缺氧条件下人肾脏类器官中与慢性肾脏病及肾纤维化相关的转录组变化,为探索纤维化机制和潜在干预靶点提供数据基础(来源 NCBI)。

【数据集背景】

源站首次发布:Jul 03 202。

【数据内容】

源站描述(机器翻译,仅供参考):慢性肾脏病(CKD)影响超过一半的70岁以上成年人以及全球13%的人口。肾纤维化的发生与CKD期间肾功能丧失密切相关,涉及细胞损伤、细胞外基质蛋白的过度产生和炎症。目前的治疗侧重于控制血压、控制糖尿病和类固醇治疗;然而,我们尚无抑制肾纤维化的治疗方法。由于缺氧在CKD的发生和进展中起关键作用,我们开发了一种新的诱导多能干细胞来源的肾脏类器官模型,以在人类模型中体外研究纤维化的发展。

【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:GPL30173、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=GSE236379

【使用注意】

· 源站最后修改于 Sep 15 202,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

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=GSE236379

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

慢性肾脏病(CKD)影响超过一半的70岁以上成年人以及全球13%的人口。肾纤维化的发展与CKD期间肾功能丧失密切相关,涉及细胞损伤、细胞外基质蛋白的过度产生以及炎症。目前的治疗侧重于控制血压、控制糖尿病以及类固醇疗法;然而,我们尚无抑制肾纤维化的治疗方法。由于缺氧在CKD的发生和进展中起关键作用,我们开发了一种诱导多能干细胞来源的肾脏类器官新模型,以在人类模型中体外研究纤维化的发展。

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。

获取专属数据定制方案