糖尿病猫血清miRNA表达谱数据集
该数据集来自 NCBI GEO(GSE37177),收录健康瘦猫与新诊断糖尿病猫血清 miRNA 微阵列表达数据,使用覆盖 1079 个小鼠 miRNA 靶标的芯片检测 8 只健康瘦猫和 8 只糖尿病猫样本,共鉴定 227 个 miRNA,其中 19 个在糖尿病猫中差异表达

基本信息
资源简介
糖尿病猫血清miRNA表达谱数据集
miRNA expression profiles in the serum of diabetic cats
该数据集来自 NCBI GEO(GSE37177),收录健康瘦猫与新诊断糖尿病猫血清 miRNA 微阵列表达数据,使用覆盖 1079 个小鼠 miRNA 靶标的芯片检测 8 只健康瘦猫和 8 只糖尿病猫样本,共鉴定 227 个 miRNA,其中 19 个在糖尿病猫中差异表达。数据可用于研究猫作为人类 2 型糖尿病自发动物模型的 miRNA 表达变化,并支持差异 miRNA 筛选与 qRT-PCR 验证(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 11 201。
【数据内容】
源站描述(机器翻译,仅供参考):背景:MicroRNA 负向调控基因表达,在人类 2 型糖尿病(T2DM)的发病机制中起关键作用。由于家猫是人类 T2DM 的自发性动物模型,本研究旨在探究猫血清中是否可检测到 microRNA,以及健康猫与糖尿病猫之间的 microRNA 表达谱是否存在差异。方法:从健康瘦猫(HL)和新诊断糖尿病猫(D)的 400 µl 血清中提取总 RNA。使用代表 1079 个不同小鼠 miRNA 靶标的 microRNA 微阵列,测量 8 只 HL 猫和 8 只 D 猫样本中的 miRNA 表达。结果:通过微阵列鉴定出 227 个不同的 microRNA。19 个 miRNA 在糖尿病猫中差异表达,但经多重比较校正后仅两个达到统计学显著性。在 qRT-PCR 中,发现 miR-122*
【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:Non-coding RNA profiling by array、GPL15426、9685。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=GSE37177
【使用注意】
· 源站最后修改于 Jul 11 201,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=GSE37177
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
背景:微小RNA(MicroRNA)负向调控基因表达,在人类2型糖尿病(T2DM)的发病机制中发挥关键作用。由于家猫可作为人类T2DM的自发性动物模型,本研究旨在探究能否在猫血清中检测到微小RNA,以及健康猫与糖尿病猫之间的微小RNA表达谱是否存在差异。方法:从健康瘦型(HL)猫和新诊断糖尿病(D)猫的400 µl血清中提取总RNA。使用代表1079个不同小鼠miRNA靶标的微小RNA微阵列,检测8只HL猫和8只D猫样本中的miRNA表达。结果:通过微阵列共鉴定出227个不同的微小RNA。糖尿病猫中有19个miRNA存在差异表达,但经多重比较校正后仅2个达到统计学显著性。在qRT-PCR中,与HL猫相比,糖尿病猫中miR-122上调超过40倍,而miR-193b上调约10倍。与HL猫相比,糖尿病猫中MiR-483升高6倍。
结论:少量血清样本即可提供足够的材料来检测糖尿病猫中改变的微小RNA表达谱。家猫可被视为研究人类2型糖尿病相关微小RNA的有用动物模型。
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。




