GSE56933:mtDNA与核DNA不匹配决定代谢与健康衰老

研究围绕线粒体氧化磷酸化系统的内在不匹配假说,对核DNA相同但mtDNA单倍型不同的动物进行转录组、代谢组和生化评估,揭示活性氧生成、胰岛素信号、肥胖倾向及健康衰老参数(包括端粒磨损)的终生代谢后果

geo
浏览 3
时间序列回归GPL1100210090
GSE56933: Mismatch between mtDNA and nuclear DNA determines metabolism and healthy aging

基本信息

模态
时间序列
任务类型
回归
创建/更新时间
2026-10-22

资源简介

GSE56933:mtDNA与核DNA不匹配决定代谢与健康衰老

Mismatch between mtDNA and nuclear DNA determines metabolism and healthy aging

该数据集来自NCBI,包含1个文件GSE56933_series_matrix.txt.gz,主题为表达谱高通量测序,平台GPL11002,物种10090。研究围绕线粒体氧化磷酸化系统的内在不匹配假说,对核DNA相同但mtDNA单倍型不同的动物进行转录组、代谢组和生化评估,揭示活性氧生成、胰岛素信号、肥胖倾向及健康衰老参数(包括端粒磨损)的终生代谢后果。数据可用于探索mtDNA与核DNA互作对代谢和衰老相关表型的影响(来源 NCBI)。

【数据集背景】

源站首次发布:Apr 21 201。

【数据内容】

源站描述(机器翻译,仅供参考):我们在此假设,线粒体氧化磷酸化系统的两个独特特征——三种潜在拮抗功能整合于同一结构,以及组装在这些分子机器中的组分具有双重遗传起源——使得最优系统的进化成为不可能。因此,该系统本质上是失配的,必须被持续监测、调整和调控,以实现必要且可变的性能。对核DNA相同但mtDNA单倍型不同的动物进行系统的转录组学、代谢组学和生化评估,强烈支持内在失配的存在,并揭示了对活性氧生成、胰岛素信号、肥胖倾向以及健康衰老参数(包括端粒磨损)的终生深刻代谢后果。

【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:GPL11002、10090。本站分类:内分泌、营养和代谢疾病/肥胖症。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE56933

【使用注意】

· 源站最后修改于 May 15 201,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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE56933

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

我们在此假设,线粒体氧化磷酸化系统的两个独特特征——三种潜在拮抗功能在同一结构中的整合,以及组装于这些分子机器中的组分具有双重遗传来源——使得最优系统的进化成为不可能。因此,该系统本质上存在错配,必须持续监测、调整和调控,以实现必要且可变的性能。对具有相同核DNA但不同mtDNA单倍型的动物进行系统性转录组学、代谢组学和生化评估,有力支持了内在错配的存在,并揭示了活性氧生成、胰岛素信号传导、肥胖倾向以及健康衰老参数(包括端粒萎缩)方面深刻的终生代谢后果。

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。

获取专属数据定制方案