GSE168200:细胞间串扰调控房水流出通路并为青光眼治疗提供新靶点
该数据集来自 ncbi.nlm.nih.gov,围绕细胞间串扰对房水流出通路的调控及青光眼治疗靶点展开。研究利用单细胞 RNA 测序分析小鼠虹膜角膜角结构,并借助神经嵴特异性 Angpt1 敲除小鼠中 Schlemm's canal 缺失来辅助识别 Schlemm's canal 内皮细胞

基本信息
资源简介
GSE168200:细胞间串扰调控房水流出通路并为青光眼治疗提供新靶点
Cellular crosstalk regulates the aqueous humor outflow pathway and provides new targets for glaucoma therapies
该数据集来自 ncbi.nlm.nih.gov,围绕细胞间串扰对房水流出通路的调控及青光眼治疗靶点展开。研究利用单细胞 RNA 测序分析小鼠虹膜角膜角结构,并借助神经嵴特异性 Angpt1 敲除小鼠中 Schlemm's canal 缺失来辅助识别 Schlemm's canal 内皮细胞。数据可用于分析小梁网与 Schlemm's canal 之间的串扰,以及 Angpt1 在虹膜角膜角形成中的作用。文件数量为 1,样例文件为 GSE168200_series_matrix.txt.gz,属于高通量测序表达谱数据(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):Angiopoietin-1 信号对于 Schlemm's canal 的发育至关重要,Schlemm's canal 是位于虹膜角膜角的大型淋巴样内皮血管。单细胞 RNA 测序是一种强大的工具,可用于检查组织内每种细胞类型的特定转录组。在这里,我们使用单细胞 RNA 测序来检查小鼠虹膜角膜角的结构,利用神经嵴特异性 Angpt1 敲除小鼠中 Schlemm's canal 的缺失来辅助识别 Schlemm's canal 内皮细胞。该数据集为分析小梁网 / Schlemm's canal 串扰以及 Angpt1 在虹膜角膜角形成中的作用提供了资源。
【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:GPL21103、10090。本站分类:眼及附器疾病/青光眼。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE168200
【使用注意】
· 源站最后修改于 Feb 04 202,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=GSE168200
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
血管生成素-1信号对于施莱姆管(Schlemm’s canal)的发育至关重要,施莱姆管是位于虹膜角膜角的一个大型类淋巴内皮血管。单细胞RNA测序是一种强大的工具,能够检测组织内每种细胞类型的特定转录组。在此,我们利用单细胞RNA测序来检查小鼠虹膜角膜角的结构,利用神经嵴特异性Angpt1敲除小鼠中施莱姆管的缺失来辅助识别施莱姆管内皮细胞。该数据集为分析小梁网/施莱姆管之间的相互作用以及Angpt1在虹膜角膜角形成中的作用提供了资源。
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。




