斑马鱼肾上皮细胞转分化与活细胞挤出形成腺体的数据集
该数据集来自 Dryad,对应一项关于斑马鱼中肾远端小管上皮细胞自然转分化为内分泌腺 Corpuscles of Stannius(CS)的研究

基本信息
资源简介
斑马鱼肾上皮细胞转分化与活细胞挤出形成腺体的数据集
Data from: A novel mechanism of gland formation in zebrafish involving transdifferentiation of renal epithelial cells and live cell extrusion
该数据集来自 Dryad,对应一项关于斑马鱼中肾远端小管上皮细胞自然转分化为内分泌腺 Corpuscles of Stannius(CS)的研究。数据涉及 Notch 信号、Hnf1b 转录因子的胞质隔离以及 Irx3b 缺陷导致的异位转分化,并通过活细胞成像展示 CS 细胞发生顶端收缩后被挤出小管形成独立器官的过程。可用于研究转分化机制、内分泌腺发育及肾脏细胞命运调控(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2018。
【数据内容】
源站描述(机器翻译,仅供参考):转分化是一种人们了解甚少的现象,即终末分化细胞获得全新的身份。在此,我们描述了斑马鱼中一个自然发生的转分化的罕见例子,其中肾远端小管上皮细胞被转化为一种称为 Corpuscles of Stannius(CS)的内分泌腺。我们发现该过程需要 Notch 信号,并与 Hnf1b 转录因子的胞质隔离相关,Hnf1b 是肾小管命运的主调控因子。Irx3b 转录因子的缺陷导致远端小管细胞以 Notch 依赖的方式异位转分化为 CS 身份。利用活细胞成像,我们显示 CS 细胞集体发生顶端收缩,随后从小管中被挤出,形成一个独立的器官。该系统为理解这一过程提供了一个有价值的新模型。
【主题与分类】
主题标签:Irx3b、Transdifferentiation、endocrine gland、Notch、Danio rerio、HNF1B。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.3hp84t0
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.3hp84t0
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:
数据集大小约 89.4 KB。
数据说明
转分化是一种人们了解甚少的现象,即终末分化的细胞获得了全新的身份。在此,我们描述了斑马鱼中一个自然发生的转分化的罕见例子,其中肾远端小管上皮细胞被转化为一种称为斯坦尼氏小体(Corpuscles of Stannius, CS)的内分泌腺。我们发现这一过程需要Notch信号传导,并与Hnf1b转录因子的细胞质隔离有关,而Hnf1b是肾小管命运的主调控因子。Irx3b转录因子的缺陷会导致远端小管细胞以Notch依赖的方式异位转分化为CS身份。通过活细胞成像,我们展示了CS细胞集体发生顶端收缩,随后从管状结构中挤出,形成一个独立的器官。这一系统为理解转分化的分子和形态学基础提供了一个宝贵的新模型,并将推动利用这一罕见现象进行治疗的研究。
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。




