Dnmt3aKO衍生恶性肿瘤中的整体甲基化改变
该数据集来自 omicsdi.org，研究小鼠造血干细胞中 Dnmt3a 缺失的长期效应。通过将 Dnmt3a-KO 或 WT 造血干细胞移植入致死照射小鼠，Dnmt3a 缺失可导致一系列血液系统疾病，模拟人类恶性肿瘤谱系
基本信息
资源简介
Dnmt3aKO衍生恶性肿瘤中的整体甲基化改变
该数据集来自 omicsdi.org，研究小鼠造血干细胞中 Dnmt3a 缺失的长期效应。通过将 Dnmt3a-KO 或 WT 造血干细胞移植入致死照射小鼠，Dnmt3a 缺失可导致一系列血液系统疾病，模拟人类恶性肿瘤谱系。研究采用 RRBS 对疾病与对照小鼠进行 DNA 甲基化分析，使用 Illumina HiSeq 2000 和 2500 测序，每样本平均产生 23.81 百万 reads，平均 CpG 覆盖深度 31.79 倍，平均亚硫酸氢盐转化效率 99.91%。数据可用于研究 Dnmt3a 缺失相关的甲基化改变及血液系统恶性疾病的表观遗传机制（来源 omicsdi.org）。
【数据内容】
源站描述（机器翻译，仅供参考）：为测试缺乏 Dnmt3a 对小鼠 HSC 的长期影响，我们建立了一个队列，将致死照射小鼠移植以 Dnmt3a-KO 或 WT HSC 对照细胞。单独移植的纯化 HSC 中 Dnmt3a 缺失导致一系列血液系统疾病，模拟了人类恶性肿瘤中所见的疾病谱。我们通过 RRBS 研究了疾病和对照小鼠中的 DNA 甲基化改变。我们每个样本平均产生 23.81 百万 reads（18.97 - 31.67 百万），其中平均 18.07 百万可比对到 mm9 基因组（2.78 - 26.42 百万）。我们实现了平均 CpG 覆盖深度 31.79 倍（8.09 - 47.44 倍）和平均亚硫酸氢盐转化效率 99.91%（99.87 - 99.95%）。使用 Illumina HiSeq 2000 和 2500 对细胞进行简化代表性亚硫酸氢盐测序。
【主题与分类】
主题标签：Genomics。本站分类：血液及造血器官疾病。
【获取与许可】
源站页面：https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-60264
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-60264
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
为测试Dnmt3a缺失对小鼠造血干细胞的长期影响，我们建立了一组经致死剂量照射后移植Dnmt3a-KO或WT HSC对照细胞的小鼠队列。单独移植的纯化HSC中Dnmt3a缺失会导致一系列血液学疾病，模拟了人类恶性肿瘤中所见的疾病谱。我们通过RRBS研究了疾病小鼠和对照小鼠中的DNA甲基化改变。我们每个样本平均产生2381万条reads（1897万-3167万），其中平均1807万条可比对到mm9基因组（278万-2642万）。我们实现了平均31.79倍的CpG覆盖深度（8.09-47.44倍）和平均99.91%的亚硫酸氢盐转化效率（99.87%-99.95%）。使用Illumina HiSeq 2000和2500对细胞进行简化代表性亚硫酸氢盐测序
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。
