色素异常增生性瘢痕:超越肤色
该数据集来自 NCBI GEO(GSE158155),基于红色 Duroc 猪瘢痕模型,比较色素沉着与色素减退组织相对于未损伤皮肤的基因组转录差异

基本信息
资源简介
色素异常增生性瘢痕:超越肤色
Dyspigmented hypertrophic scars: Beyond skin color
该数据集来自 NCBI GEO(GSE158155),基于红色 Duroc 猪瘢痕模型,比较色素沉着与色素减退组织相对于未损伤皮肤的基因组转录差异。数据为芯片表达谱,包含 1 个文件(GSE158155_series_matrix.txt.gz),主题标签涉及 Expression profiling by array、GPL16571 和 9825。可用于研究皮肤损伤后色素异常瘢痕的转录特征,以及氧化还原、代谢、炎症和干细胞发育分化相关通路在两种色素表型中的差异(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 17 202。
【数据内容】
源站描述(机器翻译,仅供参考):尽管色素合成已被充分了解,但皮肤损伤后新生组织中导致心理衰弱的色素异常的相关机制仍不清楚。本研究使用红色 Duroc 猪瘢痕模型,研究了色素沉着和色素减退组织相对于未损伤皮肤的基因组转录差异。转录谱因色素表型而异,色素沉着或色素减退瘢痕分别呈现更多上调或下调的趋势。对两种色素表型中显著调节基因的 Ingenuity Pathway Analysis 显示,与氧化还原、代谢和炎症反应相关的通路在色素减退样本中更为常见,而与干细胞发育分化相关的通路主要见于色素沉着样本。细胞-细胞和细胞-细胞外基质相互作用以及炎症反应
【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:Expression profiling by array、GPL16571、9825。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE158155
【使用注意】
· 源站最后修改于 Dec 17 202,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=GSE158155
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
尽管色素合成机制已被充分了解,但皮肤损伤后新生组织中导致心理功能障碍的色素异常的相关机制仍不清楚。本研究利用红色杜洛克猪瘢痕模型,探讨了色素沉着过度和色素沉着不足组织相对于未损伤皮肤在基因组转录方面的差异。转录谱因色素沉着表型而异,色素沉着过度瘢痕中呈上调趋势者较多,而色素沉着不足瘢痕中呈下调趋势者较多。对两种色素沉着表型中显著调节基因进行的Ingenuity Pathway Analysis显示,与氧化还原、代谢和炎症反应相关的通路在色素沉着不足样本中更为常见,而与干细胞发育分化相关的通路主要见于色素沉着过度样本。细胞-细胞及细胞-细胞外基质相互作用和炎症反应被预测(z-score)在色素沉着过度中活跃、在色素沉着不足中不活跃。促炎性高迁移率族蛋白B1通路则呈现相反趋势。
对差异调控的互斥基因分析显示,色素减退性瘢痕中广泛存在代谢、促炎和氧化应激通路,而色素沉着性瘢痕中则以黑色素合成、糖胺聚糖生物合成和细胞分化通路为主。已鉴定出若干潜在的治疗性基因靶点。
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。




