野生型小鼠六个月热量限制后皮下白色脂肪组织RNA-seq分析揭示NCOA2剪接改变
该数据集来自NCBI GEO,包含野生型小鼠从3月龄至9月龄接受六个月热量限制后皮下白色脂肪组织的RNA-seq数据,用于分析基因表达与可变剪接变化

基本信息
资源简介
野生型小鼠六个月热量限制后皮下白色脂肪组织RNA-seq分析揭示NCOA2剪接改变
RNA-seq analysis of subcutaneous white adipose tissue from wild-type mice subjected to six months of calorie restriction reveals altered NCOA2 splicing.
该数据集来自NCBI GEO,包含野生型小鼠从3月龄至9月龄接受六个月热量限制后皮下白色脂肪组织的RNA-seq数据,用于分析基因表达与可变剪接变化。数据识别了随意进食与热量限制条件间的差异表达基因及显著可变剪接事件,涉及脂质代谢相关基因和NCOA2剪接改变,可用于研究热量限制对脂肪组织转录组和剪接调控的影响(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 10 202。
【数据内容】
源站描述(机器翻译,仅供参考):热量限制(CR)是一种公认的干预措施,可延长多种物种的寿命并延缓年龄相关疾病的发生。尽管先前研究已证明CR诱导白色脂肪组织(WAT)的转录变化,但CR对可变剪接的影响仍研究不足。在本研究中,我们对接受六个月CR(从3月龄至9月龄)的野生型小鼠皮下白色脂肪组织(sWAT)进行RNA测序(RNA-seq),以研究基因表达和可变剪接。RNA-seq分析在随意进食(AL)与CR条件之间识别了6,058个差异表达基因(DEGs)(p 1.0),其中与脂质代谢相关的关键上调基因包括Elovl6、Fasn、Acc和Srebp1c。此外,我们检测到400个显著可变剪接事件(FDR < 0.05),其中外显子跳跃最为普遍。Am
【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:GPL19057、10090。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=GSE289240
【使用注意】
· 源站最后修改于 Apr 24 202,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=GSE289240
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
热量限制(CR)是一种公认的干预措施,可延长多种物种的寿命并延缓年龄相关疾病的发生。尽管既往研究已表明白色脂肪组织(WAT)中存在CR诱导的转录变化,但CR对可变剪接的影响仍研究不足。本研究通过RNA测序(RNA-seq)探究了野生型小鼠在接受为期六个月(从3月龄至9月龄)CR后皮下白色脂肪组织(sWAT)中的基因表达和可变剪接。RNA-seq分析在随意进食(AL)与CR条件之间鉴定出6,058个差异表达基因(DEGs)(p < 0.05;绝对log2倍数变化 >1.0),其中与脂质代谢相关的关键上调基因包括Elovl6、Fasn、Acc和Srebp1c。此外,我们检测到400个显著的可变剪接事件(FDR < 0.05),其中外显子跳跃最为常见。在这些事件中,我们重点关注了代谢相关转录因子Ncoa2,其表现出CR诱导的外显子13包含,使平衡向全长异构体偏移。
功能分析表明,这种转变增强了Ncoa2辅激活因子对参与脂质代谢的核受体的活性。该数据集提供了原始和经过处理的RNA-seq数据,包括基因表达和可变剪接分析,可用于进一步探索CR诱导脂肪组织代谢适应的分子机制。
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。




