GSE278204:CircRNA介导的ceRNA调控网络:肥胖型2型糖尿病进展与治疗策略的转录组学见解
该数据集来自NCBI GEO,包含肥胖型2型糖尿病(O-T2DM)患者与对照组血清样本的高通量RNA测序表达谱,共1个文件

基本信息
资源简介
GSE278204:CircRNA介导的ceRNA调控网络:肥胖型2型糖尿病进展与治疗策略的转录组学见解
CircRNA-mediated ceRNA regulatory networks: transcriptomic insights into obesity type 2 diabetes progression and treatment strategies.
该数据集来自NCBI GEO,包含肥胖型2型糖尿病(O-T2DM)患者与对照组血清样本的高通量RNA测序表达谱,共1个文件。研究鉴定出442个差异表达circRNA和2756个差异表达mRNA,并通过WGCNA与富集分析探索其生物学功能,构建了circRNA-miRNA-mRNA调控网络。数据可用于糖尿病发病机制研究、生物标志物筛选及ceRNA调控网络分析(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):为探究糖尿病的发病机制并鉴定新的生物标志物,我们利用高通量RNA测序分析了肥胖型糖尿病患者(O-T2DM)血清样本中的circRNA和mRNA表达谱。结果显示,与对照组相比,O-T2DM组中有442个差异表达的circRNA(343个上调、99个下调)和2756个差异表达的mRNA(277个上调、2479个下调)显著差异表达。随后利用WGCNA和富集实验研究了DEmRNA的生物学功能。通路分析显示,差异表达的mRNA富集于T细胞受体、细胞衰老、NK细胞介导的细胞毒性、IL-17、脂质与动脉粥样硬化、肌动蛋白细胞骨架等通路。结合理论预测构建的circRNA-miRNA-mRNA调控网络
【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=GSE278204
【使用注意】
· 源站最后修改于 Feb 19 202,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=GSE278204
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
为探究糖尿病的发病机制并识别新型生物标志物,我们采用高通量RNA测序技术,对肥胖糖尿病患者(O-T2DM)血清样本中的circRNA和mRNA表达谱进行了分析。结果显示,与对照组相比,O-T2DM组中有442个差异表达的circRNA(343个上调,99个下调)和2756个差异表达的mRNA(277个上调,2479个下调)存在显著差异表达。随后,通过WGCNA和富集分析探究了DEmRNA的生物学功能。通路分析表明,差异表达的mRNA富集于T细胞受体、细胞衰老、NK细胞介导的细胞毒性、IL-17、脂质与动脉粥样硬化、肌动蛋白细胞骨架等通路。结合理论预测与临床实验数据构建的circRNA-miRNA-mRNA调控网络揭示了hsa_circ_0060614和hsa-mir-4668-3p对MT2A基因的潜在调控作用。我们采用qRT-PCR技术在O-T2DM组和对照组血浆样本中验证了这三个基因的表达水平。
我们的结果为肥胖型2型糖尿病的进一步研究提供了丰富的转录组数据。我们获得的ceRNA调控网络可能对O-T2DM的诊断和治疗具有指导意义。
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。




