PCOS颗粒细胞转录组数据集

来源于PCOS患者和健康对照卵泡颗粒细胞的转录组数据,重点研究高雄激素状态及相关分子机制。由National Center for Biotechnology Information提供,来自GEO,数据格式为表格,包含8条数据记录,适用于分类任务,专注于内分泌系统疾病领域的多毛症研究。

National Center for Biotechnology InformationNational Center for Biotechnology Information
GEO
2018-10-30 更新
浏览 29
表格分类Expression profiling by arrayGPL175869606
GSE114419

基本信息

模态
表格
大小
0.156238311 GB
数据量
8
任务类型
分类
创建/更新时间
2018-10-30

资源简介

PCOS颗粒细胞转录组数据集

【数据集背景】

本数据集源站标题为《Coding and Non-coding gene expression signatures of granulosa cells from Polycystic Ovary Syndrome Patients》。源站首次发布:May 14 201。

【数据内容】

源站原始描述:Polycystic ovary syndrome (PCOS), one of the most common endocrinal diseases among reproductive-aged women,is characterized by hyperandrogenemia, chronic oligo/anovulation and polycystic ovarian morphology. In this research, we presented microarrays to identify the differential expressed protein-coding genes and lncRNAs expression profile in the luteinized granulosa cells obtained from PCOS and healthy control patients

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Expression profiling by array、GPL17586、9606。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE114419

【使用注意】

· 源站最后修改于 Oct 30 201,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE114419

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

来源于PCOS患者和健康对照卵泡颗粒细胞的转录组数据,重点研究高雄激素状态及相关分子机制。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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。

获取专属数据定制方案