MHLBW治疗db/db小鼠肾皮质转录组测序数据集
本数据集为MHLBW治疗糖尿病肾病机制研究的转录组测序数据,来源于db/db小鼠肾皮质组织。实验包含正常对照组、糖尿病模型组和高剂量MHLBW治疗组,每组5个生物学重复

基本信息
资源简介
MHLBW治疗db/db小鼠肾皮质转录组测序数据集
本数据集为一项针对糖尿病肾病治疗机制的转录组测序研究数据,英文名称为“Transcriptome Profiling of Renal Cortex from db/db Mice Treated with MHLBW to Elucidate Mechanisms in Diabetic Kidney Disease (PRJCA059929)”。研究以自发性2型糖尿病小鼠模型为对象,对肾皮质组织进行RNA测序分析,实验设置正常对照组、糖尿病突变组及高剂量MHLBW治疗的糖尿病突变组三个实验组,每组包含5个生物学重复。该数据可用于探索MHLBW这一中药复方对糖尿病肾病治疗作用背后的分子机制,属于内分泌、营养和代谢疾病领域中糖尿病相关研究方向的数据资源。
【数据集背景】
糖尿病肾病是糖尿病常见的并发症之一,其发病机制与治疗手段一直是代谢性疾病研究的重点。本研究关注一种名为MHLBW的中药复方对糖尿病肾病的治疗作用,试图通过转录组层面的分析揭示其发挥作用的内在机制。研究采用自发性2型糖尿病小鼠模型开展实验,该模型能够较好地模拟糖尿病状态下的肾脏病理改变,为机制研究提供合适的动物基础。
【数据内容】
数据内容为小鼠肾皮质组织的转录组测序结果。实验涉及三个组别:正常对照小鼠、糖尿病突变小鼠以及接受高剂量MHLBW治疗的糖尿病突变小鼠,每组各设5个生物学重复。测序原始数据经过处理后获得基因表达计数,后续生物信息学分析将包括差异表达分析与功能富集分析等内容。数据主题标签为“Other”。
【采集与来源】
样本取自经液氮速冻的肾皮质组织,从中提取总RNA,并采用链特异性方案构建测序文库。测序在Illumina NovaSeq 6000平台上以双端测序方式进行,每个样本产生约四千万条reads。数据来源站为ncbi.nlm.nih.gov。
【适用场景】
该数据集适用于糖尿病肾病相关机制研究,尤其是围绕中药复方MHLBW治疗作用的转录组分析场景,可用于差异表达基因筛选、功能富集分析等下游生物信息学工作,也可为2型糖尿病小鼠模型肾皮质基因表达研究提供参考数据。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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/Traces/study?acc=PRJDB45014
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
本研究旨在探究中药复方MHLBW对糖尿病肾病的治疗作用机制。采用自发性2型糖尿病小鼠模型,对正常对照组小鼠、糖尿病突变小鼠及高剂量MHLBW治疗的糖尿病突变小鼠三个实验组的肾皮质组织进行RNA测序分析。每组包含五个生物学重复。从速冻肾皮质样本中提取总RNA,并采用链特异性方案构建测序文库。在Illumina NovaSeq 6000平台上进行双端测序,每个样本产生约4000万条reads。对原始数据进行处理以获得基因表达计数,后续生物信息学分析将包括差异表达和功能富集分析,以识别MHLBW治疗调控的关键通路和枢纽基因。该数据集为理解糖尿病肾病的进展及MHLBW的肾脏保护机制提供了全面的转录组资源。
所有动物实验均经机构动物护理委员会批准,并按照相关指南进行。
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。




