内分泌干扰化学物相关特征基因在肥厚型心肌病中的识别数据集
使用CB-DOCK2进行分子对接，蛋白质结构来自RCSB PDB，化学结构来自PubChem。压缩文件包括基因表达矩阵和样本元数据
基本信息
资源简介
内分泌干扰化学物相关特征基因在肥厚型心肌病中的识别数据集
该数据集围绕内分泌干扰化学物与肥厚型心肌病（HCM）相关的特征基因识别工作而建立，汇集了基因表达数据、单细胞转录组数据以及化合物与疾病靶点信息，并包含分子对接分析所用的结构来源说明。数据集英文名称为“Identification of endocrine-disrupting chemical-associated feature genes in hypertrophic cardiomyopathy”，在站内归入“内分泌、营养和代谢疾病 / 其他”分类，来源站为 doi.org，由 Zhang, Xiaojun、Zhang, Ning、Wang, Hongliu、Xin, Ruo-sai、Xu, Zhenrong、Chen, Zhen、Zhang, Penghua、Dong, Meizhen 共同完成，机构信息标注为 Zenodo，发布时间为 2026 年，采用 Creative Commons Attribution 4.0 International 许可。压缩文件中包含基因表达矩阵与样本元数据，便于研究者复现或拓展相关分析。
【数据集背景】
肥厚型心肌病是一种以心肌肥厚为特征的心脏疾病，其分子机制涉及复杂的基因表达改变。内分泌干扰化学物作为一类可干扰内分泌系统正常功能的外源化合物，其与肥厚型心肌病之间潜在关联的探索需要整合化学物靶点信息、疾病相关基因信息以及转录组层面的表达证据。该数据集正是面向“识别内分泌干扰化学物相关特征基因”这一研究目标而构建，将公共基因表达数据、单细胞转录组数据与多数据库靶点检索结果相结合，并辅以分子对接的结构基础，为后续机制假设的提出提供数据支撑。
【数据内容】
数据集包含经过处理的数据。压缩文件内提供基因表达矩阵和样本元数据，前者用于承载样本层面的基因表达信息，后者记录样本的相关描述信息。数据覆盖的对象包括肥厚型心肌病的基因表达数据集（GSE249925、GSE36961）以及单细胞 RNA 测序数据集（GSE138262、GSE121893）。此外，数据集工作还涉及内分泌干扰化学物与 HCM 的靶点信息，以及分子对接所用的蛋白质结构与化学结构来源。除上述内容外，源站未提供更细粒度的文件清单或字段说明。
【采集与来源】
基因表达数据集与单细胞 RNA 测序数据集均取自 Gene Expression Omnibus（GEO）数据库。内分泌干扰化学物与 HCM 的靶点信息分别检索自 Pharm Mapper、Swiss Target Prediction、Target Net、OMIM、Drug Bank、DisGeNET、Gene Cards 与 CTD 数据库。分子对接使用 CB-DOCK2 完成，其中蛋白质结构来自 RCSB PDB，化学结构来自 PubChem。上述来源覆盖了转录组数据、化合物与疾病靶点注释以及结构生物学资源等多个层面。
【适用场景】
该数据集适用于围绕内分泌干扰化学物与肥厚型心肌病关联开展的特征基因识别与验证研究，也可用于基于公共表达数据的差异表达分析、单细胞层面的细胞类型或状态比较，以及化合物—靶点—疾病网络的构建与解释。由于包含分子对接所依据的结构来源信息，相关数据还可支持对接结果的复核与结构层面的讨论。对于关注内分泌、营养和代谢疾病领域的研究者，该数据集可作为二次分析的起点。
【使用方法】
使用者可下载压缩文件，读取其中的基因表达矩阵与样本元数据，结合 GEO 原始数据集编号追溯样本背景。靶点信息可依据所列数据库进行检索复现，分子对接可借助 CB-DOCK2 并分别从 RCSB PDB 与 PubChem 获取蛋白质和化学结构。使用时应遵循 Creative Commons Attribution 4.0 International 许可的要求。源站未提供具体的分析流程或代码说明。
【质量与限制】
数据来源于 GEO 及多个公共数据库，具体样本量、测序平台、预处理参数与质控指标源站未提供。分子对接结果依赖所选蛋白质结构与化学结构的质量及对接工具的参数设置，相关细节源站未提供。使用者应注意公共数据库注释版本差异可能带来的影响。源站未提供其他质量评估信息。
【引用与许可】
使用该数据集时应引用其英文名称及作者信息，并注明机构 Zenodo 与发布时间 2026 年。许可为 Creative Commons Attribution 4.0 International，允许在署名前提下使用与再分发。源站未提供具体的引用格式或 DOI 之外的标识信息。
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://doi.org/10.5281/zenodo.23353881
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:
数据集大小约 58.9 MB。
数据说明
该数据集包含来自以下来源的处理后数据：肥厚型心肌病的基因表达数据集（GSE249925、GSE36961）和单细胞RNA测序数据集（GSE138262和GSE121893）均获取自基因表达综合数据库（GEO）（https://www.ncbi.nlm.nih.gov/geo/）。内分泌干扰化学物和HCM的靶点检索自Pharm Mapper、Swiss Target Prediction、Target Net、OMIM、Drug Bank、DisGeNET、Gene Cards和CTD数据库。分子对接使用CB-DOCK2进行，蛋白质结构来自RCSB PDB，化学结构来自PubChem。压缩文件包含基因表达矩阵和样本元数据。
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。
