肥胖儿童大网膜脂肪组织差异基因表达数据集
该数据集来自 NCBI GEO(GSE9624),收录肥胖青春期前儿童与正常体重儿童大网膜脂肪组织的基因表达谱,使用 Affymetrix 人类基因组 U133 Plus 2.0 芯片检测,并附有实时 RT-PCR 验证信息

基本信息
资源简介
肥胖儿童大网膜脂肪组织差异基因表达数据集
Differential gene expression in omental adipose tissue from obese children
该数据集来自 NCBI GEO(GSE9624),收录肥胖青春期前儿童与正常体重儿童大网膜脂肪组织的基因表达谱,使用 Affymetrix 人类基因组 U133 Plus 2.0 芯片检测,并附有实时 RT-PCR 验证信息。数据可用于比较两组儿童脂肪组织的差异表达基因,探索儿童肥胖相关基因表达特征与发病机制,也可作为肥胖症分子标志物筛选和分类建模的候选数据资源(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 16 200。
【数据内容】
源站描述(机器翻译,仅供参考):表征与脂肪组织相关的基因是理解肥胖症发病机制和开发该疾病治疗方法的关键。脂肪组织中的差异基因表达已在成年期被描述,但尚无针对儿童期的研究。本研究的目的是比较肥胖青春期前儿童与正常体重儿童大网膜脂肪组织中的基因表达。我们选取了5名肥胖儿童(按年龄和性别校正的BMI z评分>2)和6名正常体重儿童。从大网膜脂肪组织活检中提取RNA,并将cRNA杂交到人类基因组U133 Plus 2.0芯片(Affymetrix®)上。对每个样本进行微阵列实验,并在10名肥胖和10名正常体重青春期前儿童中用实时RT-PCR确认所选基因表达值。发现1276个基因在P
【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:Expression profiling by array、GPL570、9606。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=GSE9624
【使用注意】
· 源站最后修改于 Mar 25 201,引用时请注意版本时效。
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=GSE9624
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
表征与脂肪组织相关的基因是理解肥胖发病机制和开发该疾病治疗方法的关键。脂肪组织中的差异基因表达已在成年期被描述,但尚无针对儿童期的研究。本研究的目的是比较肥胖青春期前儿童与正常体重儿童大网膜脂肪组织中的基因表达。我们选择了5名肥胖儿童(按年龄和性别校正的BMI z评分>2)和6名正常体重儿童。从大网膜脂肪组织活检中提取RNA,并将cRNA杂交到人类基因组U133 Plus 2.0芯片(Affymetrix®)上。对每个样本进行微阵列实验,并在10名肥胖和10名正常体重青春期前儿童中通过实时RT-PCR确认所选组的基因表达值。发现1276个基因在P<0.05水平上存在差异表达。在这些差异基因中,201个上调(Fc>2),42个下调(Fc<-2)。儿童肥胖中涉及代谢和信号通路的基因发生了改变。关键词:疾病状态分析
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。




