一种遗传性mtDNA突变重塑巨噬细胞及体内炎症细胞因子反应
该数据集是一个多组学数据集，包含来自携带m.5019A>G线粒体DNA突变小鼠模型的巨噬细胞的RNA测序原始数据（fastq格式）、基因表达矩阵以及基于DIA的蛋白质组学定量数据，数据模态涉及基因表达谱和蛋白质丰度；其主要用途是研究遗传性线粒体突变如何影响巨噬细胞的代谢重编程、炎症激活及细胞因子分泌，为理解线粒体疾病与免疫炎症反应的交叉机制提供关键资源。
基本信息
资源简介
一种遗传性mtDNA突变重塑巨噬细胞及体内炎症细胞因子反应
【数据集背景】
本数据集源站标题为《An inherited mtDNA mutation remodels inflammatory cytokine responses in macrophages and in vivo》。
【数据内容】
源站原始描述：Impaired mitochondrial bioenergetics in macrophages can drive hyperinflammatory cytokine production, but whether this is caused by inherited mtDNA mutations is unknown. Here, we address this important question using a multi-omic approach that integrates super-resolution imaging and metabolic analyses to profile macrophages from a mouse model of mitochondrial disease caused by a heteroplasmic mutation (m.5019A>G) in the mitochondrial tRNA for alanine. These m.5019A>G macrophages exhibit defects i…
【主题与分类】
主题标签：RNA sequencing、Proteomics、Transcriptome analysis。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:06140d751366ccdce6dabc9d65f802d854ae073299b9b5aaa375adbe6e0482a0
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
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
该数据集旨在研究遗传性线粒体DNA（mtDNA）突变对巨噬细胞炎症反应的影响。数据集通过多组学方法整合了超分辨率成像、代谢分析和蛋白质组学数据，主要来源于携带m.5019A>G异质性突变（影响线粒体丙氨酸tRNA）的线粒体疾病小鼠模型中的巨噬细胞。数据内容包括RNA测序（RNA-seq）的原始fastq文件、基因表达计数矩阵（CPM）以及基于数据非依赖采集（DIA）的蛋白质组学定量数据（LFQ强度）。该数据集可用于探究线粒体功能障碍如何改变巨噬细胞的代谢适应、炎症激活（如LPS刺激后）以及细胞因子（如I型干扰素和促炎因子）和氧脂素的产生，主要研究方向包括线粒体疾病、免疫代谢、先天免疫及炎症性疾病机制。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
