能量应激脂肪细胞线粒体外泌体跨器官转运数据集
该数据集来源于omicsdi.org，包含从对照小鼠（WTexo）和adipo-FtMT小鼠（TGexo）血清中分离的小细胞外囊泡样本
基本信息
资源简介
能量应激脂肪细胞线粒体外泌体跨器官转运数据集
该数据集英文名为 Exosome-Based Interorgan Transport of Mitochondria from Energetically Stressed Adipocytes，来源于 omicsdi.org，在本站归类于内分泌系统疾病 / 肥胖症方向。数据集围绕小细胞外囊泡样本展开，样本分别分离自对照小鼠（WTexo）与 adipo-FtMT 小鼠（TGexo）的血清；两类小鼠均接受含多西环素的高脂饮食喂养 3 周。adipo-FtMT 小鼠是一种多西环素诱导、脂肪细胞特异性过表达线粒体铁蛋白（FtMT）的模型，用于诱导线粒体功能障碍与氧化应激。数据集主题标签为 Proteomics，整体聚焦于能量应激状态下脂肪细胞来源线粒体经细胞外囊泡进行器官间转运的研究情境。
【数据集背景】
肥胖症属于内分泌系统疾病范畴，脂肪细胞在能量应激下的功能改变是相关研究关注的重点。该数据集所依托的动物模型通过多西环素诱导在脂肪细胞中特异性过表达线粒体铁蛋白（FtMT），从而诱导线粒体功能障碍与氧化应激，模拟能量应激状态下的脂肪细胞。研究情境涉及线粒体从能量应激脂肪细胞经细胞外囊泡进行器官间转运这一主题，数据集名称即体现了这一方向。数据集在本站归入内分泌系统疾病 / 肥胖症分类，主题标签为 Proteomics，说明其数据内容属于蛋白质组学范畴。
【数据内容】
数据集包含的样本为小细胞外囊泡，分别来自对照小鼠（WTexo）与 adipo-FtMT 小鼠（TGexo）的血清。源站描述明确指出样本是小细胞外囊泡（small extracellular vesicles），分离自上述两类小鼠的血清。除样本类型与分组信息外，源站未提供关于样本数量、蛋白鉴定数量、定量指标或其他数据规模的具体信息。
【采集与来源】
样本来源为小鼠血清。对照小鼠记为 WTexo，adipo-FtMT 小鼠记为 TGexo。两类小鼠均以含多西环素的高脂饮食喂养 3 周。adipo-FtMT 小鼠为多西环素诱导、脂肪细胞特异性过表达线粒体铁蛋白（FtMT）的模型，用于诱导线粒体功能障碍与氧化应激。数据集来源站为 omicsdi.org。其余采集细节，如具体分离方法、饲养条件与时间安排之外的流程，源站未提供。
【适用场景】
基于现有信息，该数据集适用于涉及能量应激脂肪细胞来源小细胞外囊泡的蛋白质组学研究情境，可用于对照小鼠与 adipo-FtMT 小鼠血清来源小细胞外囊泡样本的比较分析场景，以及与脂肪细胞线粒体功能障碍、氧化应激和细胞外囊泡介导的器官间转运相关的肥胖症研究背景。具体适用分析类型与下游应用，源站未提供。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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://omicsdi.org/dataset/massive/MSV000085896
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
样本为从对照小鼠（WTexo）和adipo-FtMT小鼠（TGexo）血清中分离的小细胞外囊泡，这些小鼠接受含多西环素的高脂饮食喂养3周。adipo-FtMT小鼠是一种多西环素诱导的、脂肪细胞特异性过表达线粒体铁蛋白（FtMT）的模型，用于诱导线粒体功能障碍和氧化应激。
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。
