两阶段激光诱导视网膜下纤维化小鼠模型转录组分析揭示AMD新型眼纤维化特征
该数据集来自NCBI GEO,包含一项针对两阶段激光诱导视网膜下纤维化小鼠模型的RNA-seq研究,对RPE/脉络膜组织进行转录组分析,识别出88个在急性至慢性阶段持续上调的核心眼纤维化基因特征,富集于上皮-间质转化、补体激活和炎症通路,并在独立慢性小鼠数据及多个人类AMD数据集中验证其渐进性富集

基本信息
资源简介
两阶段激光诱导视网膜下纤维化小鼠模型转录组分析揭示AMD新型眼纤维化特征
A novel ocular fibrosis signature for AMD using transcriptomic profiling of the two-stage laser-induced subretinal fibrosis mouse model.
该数据集来自NCBI GEO,包含一项针对两阶段激光诱导视网膜下纤维化小鼠模型的RNA-seq研究,对RPE/脉络膜组织进行转录组分析,识别出88个在急性至慢性阶段持续上调的核心眼纤维化基因特征,富集于上皮-间质转化、补体激活和炎症通路,并在独立慢性小鼠数据及多个人类AMD数据集中验证其渐进性富集。数据可用于研究视网膜下纤维化的分子机制及AMD进展相关基因表达特征(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):视网膜下纤维化是新生血管性年龄相关性黄斑变性(nAMD)中不可逆视力丧失的主要原因,但其保守的分子特征仍有待充分阐明。利用两阶段激光诱导视网膜下纤维化小鼠模型的RPE/脉络膜进行RNA-seq,我们鉴定出一个新的核心眼纤维化特征,包含88个在急性至慢性阶段(损伤后第3-10天)持续上调的基因。该特征富集于上皮-间质转化、补体激活和炎症通路,表现出脉络膜特异性表达而视网膜受累极少。在独立慢性小鼠数据和多个人类AMD数据集(外周视网膜、手术提取的CNV膜和黄斑RPE/脉络膜)中的交叉验证证实了其在晚期疾病阶段的渐进性富集。人纤维化组织中的免疫荧光验证了关键基因(Te
【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:GPL30172、10090。本站分类:眼及附器疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE327158
【使用注意】
· 源站最后修改于 Aug 26 202,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=GSE327158
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
视网膜下纤维化是新生血管性年龄相关性黄斑变性(nAMD)中不可逆视力丧失的主要原因,但其保守的分子特征仍有待充分阐明。利用两阶段激光诱导视网膜下纤维化小鼠模型的RPE/脉络膜进行RNA-seq,我们鉴定出一个新的核心眼纤维化特征,包含88个在急性至慢性阶段(损伤后第3–10天)持续上调的基因。该特征富集于上皮-间质转化、补体激活和炎症通路,呈脉络膜特异性表达,视网膜受累极少。在独立慢性小鼠数据和多个人类AMD数据集(外周视网膜、手术提取的CNV膜以及黄斑RPE/脉络膜)中的交叉验证证实,该特征在疾病晚期阶段呈进行性富集。在人纤维化组织中的免疫荧光验证了关键基因(Tenascin C、Tissue Inhibitor of Metalloproteinases-1和Apelin receptor),并与肌成纤维细胞样细胞和小胶质细胞共定位。
这一持续存在且经跨物种验证的特征,可能凸显了保守的纤维化驱动因素,并为nAMD中的生物标志物开发及靶向抗纤维化治疗提供了一种转化工具。
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。




