MEF2C转录因子网络调控糖尿病肾病肾小球内皮细胞增殖数据集
该数据集来自 NCBI GEO(GSE307817),聚焦糖尿病肾病中 MEF2C 转录因子网络对肾小球内皮细胞增殖的调控

基本信息
资源简介
MEF2C转录因子网络调控糖尿病肾病肾小球内皮细胞增殖数据集
A MEF2C transcription factor network regulates proliferation of glomerular endothelial cells in diabetic kidney disease
该数据集来自 NCBI GEO(GSE307817),聚焦糖尿病肾病中 MEF2C 转录因子网络对肾小球内皮细胞增殖的调控。研究整合 74 例人类肾脏样本的多组学数据,涵盖单核 RNA 与 ATAC 测序及三种正交空间转录组技术,用于识别细胞生态位、细胞间通讯、细胞损伤轨迹及调控转录因子网络,并与组织病理和临床试验数据关联。数据可用于探索糖尿病肾病中肾小球内皮与系膜细胞从健康到损伤的空间调控机制(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):维持健康的上皮-内皮并置需要肾小球细胞生态位内的交互对话。我们试图理解糖尿病肾病(DKD)中内皮细胞和系膜细胞从健康到损伤的空间锚定调控与转变。从 74 例人类肾脏样本中,利用整合的多组学方法识别肾小球毛细血管内皮(EC-GC)和系膜细胞中的细胞生态位、细胞间通讯、细胞损伤轨迹及调控转录因子(TF)网络。数据来自单核 RNA 和 ATAC 测序以及三种正交空间转录组技术,用于与组织病理学和临床试验数据进行关联。我们在糖尿病肾小球中识别出一个富含增殖性内皮细胞亚型(prEC)和改变的血管平滑肌细胞(VSMC)的细胞生态位。细胞通讯
【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:Other、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=GSE307817
【使用注意】
· 源站最后修改于 Aug 20 202,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=GSE307817
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
维持健康的上皮-内皮毗邻关系需要肾小球细胞生态位内的交互对话。我们试图理解糖尿病肾病(DKD)中内皮细胞和系膜细胞从健康状态向损伤状态转变的空间锚定调控与过渡机制。从74份人类肾脏样本中,我们采用整合多组学方法,识别肾小球毛细血管内皮细胞(EC-GC)和系膜细胞中的细胞生态位、细胞间通讯、细胞损伤轨迹及调控转录因子(TF)网络。数据来源于单核RNA和ATAC测序以及三种正交空间转录组技术,并与组织病理学和临床试验数据进行关联分析。我们在糖尿病肾小球中鉴定出一个细胞生态位,该生态位富集增殖性内皮细胞亚型(prEC)和改变的血管平滑肌细胞(VSMCs)。该生态位内的细胞通讯维持了促血管生成信号,同时抗血管生成因子丢失。我们鉴定出一个由MEF2C、MEF2A和TRPS1组成的TF网络,该网络调控SEMA6A和PLXNA2——一对拮抗血管生成的受体-配体。
在该Visium FFPE数据集中观察到,富含prEC微环境的肾小球具有新血管形成的组织学证据,并且在伴有结节性系膜硬化的糖尿病肾小球中MEF2C活性增加。
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。




