猪链球菌代谢模型揭示分解代谢鸟氨酸氨甲酰转移酶ArcB对厌氧适应的不可或缺性
该数据集来自NCBI GEO,包含猪链球菌SC19在厌氧条件下转录组分析及基于转录组约束的基因组尺度代谢网络模型研究。数据覆盖厌氧条件下碳水化合物代谢抑制及毒素、金属摄取、黏附相关基因的差异调控,可用于探索病原菌缺氧适应机制、代谢模型预测及基因表达分析(来源 NCBI)

基本信息
资源简介
猪链球菌代谢模型揭示分解代谢鸟氨酸氨甲酰转移酶ArcB对厌氧适应的不可或缺性
Metabolic Model of Streptococcus suis reveals the Indispensability of catabolic ornithine carbamoyltransferase ArcB for Adapting to Anaerobiosis
该数据集来自NCBI GEO,包含猪链球菌SC19在厌氧条件下转录组分析及基于转录组约束的基因组尺度代谢网络模型研究。数据覆盖厌氧条件下碳水化合物代谢抑制及毒素、金属摄取、黏附相关基因的差异调控,可用于探索病原菌缺氧适应机制、代谢模型预测及基因表达分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):病原微生物进化出多种策略来感知和响应应激,以建立感染并确保在宿主复杂环境中存活。缺氧是有氧微生物在快速生长过程中遇到的代谢应激因素,但病原体对其适应机制仍知之甚少。猪链球菌是一种引起脑膜炎和败血症的人畜共患病原体,对厌氧条件表现出显著的适应能力。转录组分析显示,厌氧条件显著抑制猪链球菌SC19的碳水化合物代谢,同时差异调控与毒素、金属摄取系统和黏附相关的基因。利用受转录组信息约束重建的基因组尺度代谢网络(GSMM)探索SC19在缺氧下的代谢变化。SC19的厌氧代谢特征在于激活th
【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:GPL28677、1307。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=GSE235734
【使用注意】
· 源站最后修改于 Feb 09 202,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=GSE235734
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
病原微生物已演化出多种感知和响应压力的策略,以建立感染并确保在宿主复杂环境中存活。缺氧是有氧微生物在快速生长过程中遇到的一种代谢应激因素,但病原体对其适应机制仍知之甚少。猪链球菌是一种引起脑膜炎和败血症的人畜共患病原体,对厌氧条件表现出显著的适应能力。转录组分析显示,厌氧条件显著抑制猪链球菌SC19的碳水化合物代谢,同时差异调控与毒素、金属摄取系统和黏附相关的基因。利用受转录组信息约束重建的基因组尺度代谢网络(GSMM),探索了SC19在缺氧条件下的代谢变化。SC19的厌氧代谢以精氨酸脱亚胺酶(ADI)途径的激活和支链氨基酸(BCAA)的生物合成为特征。来自这些途径的酶ArcB和IlvH被鉴定为潜在靶点,并与DrugBank数据库中的药物进行了分子对接。
在靶向ArcB的候选抑制剂中,辛伐他汀和顺-(Z)-氟哌噻吨表现出显著的缺氧依赖性抑制SC19存活的作用。研究还发现,辛伐他汀通过抑制感染晚期的ArcB,减弱了SC19的毒力、增殖能力及小鼠体内的促炎能力。本研究揭示了猪链球菌通过重编程氨基酸代谢来适应低氧限制的机制,并提出了一种基于病原体代谢适应性的靶向抗菌策略,以缓解针对多重耐药细菌感染的新药研发压力。
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。




