线虫衰老及daf-16(mu86)突变体基因表达变化数据集
该数据集来自NCBI GEO,利用RNA测序技术,在秀丽隐杆线虫(Caenorhabditis elegans)成年期多个时间点,对野生型N2和daf-16(mu86)突变体进行基因表达检测

基本信息
资源简介
线虫衰老及daf-16(mu86)突变体基因表达变化数据集
Gene expression changes of C.elegans during aging and in daf-16(mu86) mutants
该数据集来自NCBI GEO,利用RNA测序技术,在秀丽隐杆线虫(Caenorhabditis elegans)成年期多个时间点,对野生型N2和daf-16(mu86)突变体进行基因表达检测。daf-16(mu86)突变体缺失胰岛素/IGF-1信号通路下游的关键FOXO转录因子。数据旨在探究衰老过程中的转录组分子动态,以及胰岛素/IGF-1信号在调控年龄相关基因表达变化中的作用。可用于分析生理性衰老伴随的时间依赖性基因表达变化,并比较正常衰老与daf-16突变体之间的差异(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老的特征是恢复力持续下降和疾病风险增加,导致功能逐渐衰退,最终死亡。大多数衰老转录组研究关注干预措施能否逆转衰老转录组,而衰老转录组的动态变化却被忽视。我们生成了一个转录组数据集,以研究衰老的分子动态以及胰岛素/IGF-1信号在调控年龄相关基因表达变化中的作用。使用秀丽隐杆线虫,我们对野生型(N2)和daf-16(mu86)突变体动物在成年期的多个时间点进行了RNA测序,daf-16(mu86)突变体缺乏胰岛素/IGF-1信号下游的关键FOXO转录因子。该数据集捕获了与生理性衰老相关的时间基因表达变化,并能够比较正常衰老
【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:GPL22765、6239。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=GSE329137
【使用注意】
· 源站最后修改于 Jul 31 202,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=GSE329137
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
衰老的特征是恢复力持续下降和疾病风险增加,导致功能逐渐衰退,最终死亡。大多数关于衰老转录组的研究集中于干预措施能否逆转衰老转录组,而衰老转录组的动态变化却被忽视。我们生成了一个转录组数据集,以研究衰老的分子动态以及胰岛素/IGF-1信号在调控年龄相关基因表达变化中的作用。利用秀丽隐杆线虫,我们对野生型(N2)和daf-16(mu86)突变动物在成年期的多个时间点进行了RNA测序,这些突变动物缺乏胰岛素/IGF-1信号下游的关键FOXO转录因子。该数据集捕获了与生理性衰老相关的时间性基因表达变化,并能够比较正常衰老与应激反应信号受损的情况。样本在确定的成年阶段收集,提取总RNA用于高通量测序。
差异表达及下游分析可用于识别与衰老相关的转录程序,区分适应性基因表达变化与潜在致病性变化,并刻画依赖于daf-16的调控网络。这些数据为研究衰老的系统级架构、基准测试转录组衰老时钟,以及识别与长寿和应激反应相关的基因模块提供了资源。
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。




