基于生物信息学与机器学习构建骨质疏松症坏死性凋亡诊断模型的数据集
该数据集整合了GSE56815和GSE7429两个基因表达数据集，包含与骨质疏松症坏死性凋亡相关的差异表达基因、蛋白质相互作用网络及诊断模型构建所需的生物信息学数据，主要应用于骨质疏松症的分子机制研究、诊断生物标志物筛选以及机器学习驱动的诊断模型开发。
基本信息
资源简介
基于生物信息学与机器学习构建骨质疏松症坏死性凋亡诊断模型的数据集
【数据集背景】
本数据集源站标题为《Developing a diagnostic model for necroptosis in osteoporosis using bioinformatics and machine learning》。配套论文《Developing a diagnostic model for necroptosis in osteoporosis using bioinformatics and machine learning》发表于 Computer Methods in Biomechanics and Biomedical Engineering（2025），DOI：10.1080/10255842.2025.2600005。项目资助方：None.。源站首次发布：2025-12-10。
【数据内容】
源站原始描述：This study aims to explore the role of necroptosis in osteoporosis and identify potential diagnostic biomarkers. By analyzing the GSE56815 and GSE7429 datasets, we identified 107 differentially expressed genes associated with necroptosis. Enrichment analysis revealed that these genes were significantly enriched in necroptosis, the NOD-like receptor signaling pathway, and the IL-17 signaling pathway. Furthermore, through protein-protein interaction network analysis, multiple algorithms (MCC and M…
【数据结构与技术规格】
文件数 6 个，合计 3.71 MB。gcmb_a_2600005_sm6105.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，151.89 KB。gcmb_a_2600005_sm6104.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，11.00 KB。gcmb_a_2600005_sm6103.xlsx：application/vnd.openxmlformats-officedocument.spreadsheetml.sheet，37.83 KB。数据集 DOI：10.6084/m9.figshare.30854514.v1。
【主题与分类】
源站学科分类：Biochemistry、Microbiology、Cell Biology、Genetics、Molecular Biology、Immunology。主题标签：Bioinformatics、diagnosis、machine learning、necroptosis、osteoporosis。
【适用方向】
源站学科分类标注为 Biochemistry、Microbiology、Cell Biology、Genetics、Molecular Biology、Immunology。
【获取与许可】
源站页面：https://tandf.figshare.com/articles/dataset/Developing_a_diagnostic_model_for_necroptosis_in_osteoporosis_using_bioinformatics_and_machine_learning/30854514
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Developing a diagnostic model for necroptosis in osteoporosis using bioinformatics and machine learning. Taylor & Francis. Wang, Yan; Zhang, Lijuan; Liu, Yafei
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（Figshare）
按页面 Download 按钮获取。
数据说明
该数据集旨在探索坏死性凋亡在骨质疏松症中的作用，并识别潜在的诊断生物标志物。通过整合GSE56815和GSE7429两个基因表达数据集，研究人员鉴定了107个与坏死性凋亡相关的差异表达基因。富集分析显示这些基因显著富集于坏死性凋亡、NOD样受体信号通路和IL-17信号通路。进一步通过蛋白质-蛋白质相互作用网络分析、多种算法筛选（如MCC和MCODE）以及LASSO回归建模，最终构建了一个包含13个关键基因的诊断模型。体外细胞实验提示CASP3可能作为米诺环素治疗骨质疏松症的潜在靶点。该数据集为研究骨质疏松症的分子机制、开发诊断工具及药物靶点发现提供了数据支持。
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。
