MRG15通过调控线粒体中TUFM的降解加重非酒精性脂肪肝病的进程

该数据集包含三组小鼠肝组织的RNA测序数据,涉及正常饮食对照组、NASH模型对照组及MRG15敲除NASH模型组,每组样本由三只小鼠RNA等量混合而成,数据模态为基因表达谱(转录组)。该数据集主要用于研究MRG15基因通过调控线粒体蛋白TUFM的降解在非酒精性脂肪性肝炎发展进程中的作用机制,为深入理解非酒精性脂肪肝病的病理生理学及寻找潜在治疗靶点提供重要的分子水平数据支撑。

中国科学院上海营养与健康研究所中国科学院上海营养与健康研究所
干细胞与再生医学数据中心
2023-06-27 更新
浏览 15
MRG15非酒精性脂肪肝病NASH小鼠肝转录组
MRG15 Aggravates Non-Alcoholic Fatty Liver Disease by Regulating TUFM Degradation in Mitochondria

基本信息

许可
CC0
创建/更新时间
2023-06-27

资源简介

MRG15通过调控线粒体中TUFM的降解加重非酒精性脂肪肝病的进程

【数据集背景】

源站首次发布:2023-06-27。

【数据内容】

源站原始描述:为了进一步研究MRG15对NASH的影响,我们对小鼠肝组织进行了RNA测序。NCD组:正常饮食下的小鼠。NASH对照组:经NASH建模的小鼠。NASH Mrg15-sg组:经NASH建模的MRG15肝脏敲除小鼠。每个样本包含来自三个生物重复的等质量混合RNA,以减少样本之间可能的变化。每组包含2个样本(包含6只动物的RNA)。

【主题与分类】

主题标签:MRG15、非酒精性脂肪肝病、MRG15、NASH、小鼠、肝、肝、转录组。

【获取与许可】

源站页面:http://data.iscr.ac.cn/Article?id=649a639c222f0139804a8cc7

使用许可:CC0。

规范引用:35786.11.36fb13456d554babbdf7cf3993735407

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:http://data.iscr.ac.cn/Article?id=649a639c222f0139804a8cc7

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

该数据集为一项针对非酒精性脂肪肝病(NAFLD)的RNA测序研究数据集,旨在探究MRG15基因在非酒精性脂肪性肝炎(NASH)进程中的作用机制。数据集包含三组小鼠肝组织的RNA测序数据:正常饮食对照组(NCD)、NASH模型对照组(NASH对照组)以及MRG15肝脏特异性敲除的NASH模型组(NASH Mrg15-sg组)。每组包含2个样本,每个样本由3只小鼠的肝组织RNA等量混合而成,以减少个体差异。数据来源于中国科学院上海营养与健康研究所,通过高通量测序技术构建,主要用于研究MRG15通过调控线粒体蛋白TUFM降解影响NASH发展的分子机制,为NAFLD/NASH的病因研究和潜在治疗靶点探索提供数据支持。

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