GSE310542:活体供者皮下白色脂肪单核数据集研究家族性部分性脂肪营养不良2型
该数据集来自NCBI GEO,标题为GSE310542,包含1个文件GSE310542_series_matrix.txt.gz,采样活体供者皮下白色脂肪,用于研究家族性部分性脂肪营养不良2型(FPLD2)

基本信息
资源简介
GSE310542:活体供者皮下白色脂肪单核数据集研究家族性部分性脂肪营养不良2型
A single-nucleus dataset sampling subcutaneous white adipose from living donors to study familial partial lipodystrophy 2
该数据集来自NCBI GEO,标题为GSE310542,包含1个文件GSE310542_series_matrix.txt.gz,采样活体供者皮下白色脂肪,用于研究家族性部分性脂肪营养不良2型(FPLD2)。研究招募了八个FPLD2家庭,对皮下脂肪组织活检进行临床、组织学和转录组分析,通过bulk和单核RNA测序揭示脂质代谢与线粒体通路受抑及炎症增加,并在他莫昔芬诱导的脂肪细胞特异性Lmna敲除小鼠中验证。数据可用于探索FPLD2中脂肪细胞丢失的机制及脂肪组织转录特征(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):家族性部分性脂肪营养不良2型(FPLD2)是一种罕见疾病,以脂肪组织丢失和重新分布以及代谢功能障碍为特征。FPLD2由LMNA基因的致病性变异引起,该基因编码核纤层蛋白A/C,这是一种控制核功能和基因表达的结构蛋白。然而,驱动FPLD2中脂肪细胞丢失的机制仍不明确。在这项研究中,我们招募了八个患有发展中的或已确诊的FPLD2的家庭,并对皮下脂肪组织活检进行了临床、组织学和转录组分析。Bulk和单核RNA测序显示脂质代谢和线粒体通路受到抑制,同时炎症增加。这些特征在他莫昔芬诱导的脂肪细胞特异性Lmna敲除小鼠中也有体现,其中缺乏核纤层蛋白A/C的脂肪细胞缩小并消失。缺乏Lmna的成纤维细胞共享si
【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:GPL24676、9606。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=GSE310542
【使用注意】
· 源站最后修改于 Feb 18 202,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=GSE310542
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
家族性部分性脂肪营养不良2型(FPLD2)是一种罕见疾病,以脂肪组织丢失与重新分布及代谢功能障碍为特征。FPLD2由LMNA基因的致病性变异引起,该基因编码核纤层蛋白A/C,这是一种控制核功能和基因表达的结构蛋白。然而,驱动FPLD2中脂肪细胞丢失的机制仍不明确。在本研究中,我们招募了八个患有发展期或已确诊FPLD2的家系,并对皮下脂肪组织活检进行了临床、组织学和转录组学分析。批量及单核RNA测序显示,脂质代谢和线粒体通路受到抑制,同时炎症增加。这些特征在他莫昔芬诱导的脂肪细胞特异性Lmna敲除小鼠中也有体现,其中缺乏核纤层蛋白A/C的脂肪细胞缩小并消失。Lmna缺陷的成纤维细胞也表现出相似的基因表达变化,这与染色质可及性改变相关,突显了核纤层蛋白A/C在脂质代谢和炎症程序中的潜在调控作用。
通过直接比较FPLD2中萎缩性和肥厚性脂肪库,并整合人类、小鼠及体外模型,本研究为疾病进展和潜在治疗靶点提供了新见解。
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。




