DHT处理后原代间皮细胞中雄激素受体结合位点全基因组图谱
该数据集为GSE309339,利用基于AR抗体的Cut&Tag测序,对接受或不接受DHT处理雌性小鼠的原代间皮细胞进行雄激素受体结合位点全基因组分析

基本信息
资源简介
DHT处理后原代间皮细胞中雄激素受体结合位点全基因组图谱
Genome-wide profiling of androgen receptor binding sites in primary mesothelial cells following DHT treatment
该数据集为GSE309339,利用基于AR抗体的Cut&Tag测序,对接受或不接受DHT处理雌性小鼠的原代间皮细胞进行雄激素受体结合位点全基因组分析。研究背景为内脏脂肪组织被单层间皮细胞包裹,高雄激素血症女性中该层结构受损且间皮细胞数量减少,提示异常AR信号可能参与间皮细胞功能障碍。数据包含1个文件,可用于识别AR直接基因组靶点,探索雄激素信号在间皮细胞及代谢调控中的作用(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):内脏脂肪组织(VAT)被单层间皮细胞包裹,这些细胞以保护和修复功能著称。然而,间皮细胞更广泛的功能作用,尤其是在代谢背景下,仍鲜有探索。在患有高雄激素血症的女性中,我们观察到间皮细胞层被破坏,且VAT内间皮细胞丰度显著减少。鉴于高雄激素血症主要表现为二氢睾酮(DHT)水平升高,而DHT通过雄激素受体(AR)激活信号传导,我们假设异常的AR信号传导导致了间皮细胞功能障碍。为鉴定介导该效应的AR直接基因组靶点,我们对接受或不接受DHT处理的雌性小鼠原代间皮细胞,使用基于AR抗体的Cut&Tag测序进行了AR结合位点的全基因组分析。
【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:GPL24247、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=GSE309339
【使用注意】
· 源站最后修改于 Oct 12 202,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=GSE309339
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
内脏脂肪组织(VAT)由单层间皮细胞包被,间皮细胞以其保护和修复功能而著称。然而,间皮细胞更广泛的功能作用,尤其是在代谢背景下的作用,仍鲜有探索。在高雄激素血症女性中,我们观察到VAT内间皮层的破坏以及间皮细胞丰度的显著减少。鉴于高雄激素血症主要表现为双氢睾酮(DHT)水平升高,而DHT通过雄激素受体(AR)激活信号传导,我们推测异常的AR信号传导导致了间皮细胞功能障碍。为鉴定介导这一效应的AR直接基因组靶点,我们采用基于AR抗体的Cut&Tag测序方法,对接受或未接受DHT处理的雌性小鼠原代间皮细胞中的AR结合位点进行了全基因组分析。我们的分析揭示Inmt基因是AR信号传导的关键下游靶点。我们提出,AR对Inmt的结合及转录调控导致内质网(ER)应激和凋亡通路的激活,最终促进间皮细胞凋亡。
该数据集提供了间皮细胞中AR顺反子组的全面图谱,并为高雄激素血症与内脏脂肪组织间皮细胞丢失之间的分子机制提供了关键见解。
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。




