再生改变红系前体细胞开放染色质与顺式调控景观

该数据集来自 NCBI GEO(GSE275430),包含小鼠贫血诱导后多个时间点富集的红细胞前体细胞的染色质可及性数据,采用 ATAC-seq 技术,共 1 个文件

geo
浏览 9
基因组分类GPL3432810090
GSE275430: Regeneration Alters Open Chromatin and Cis-Regulatory Landscape of Erythroid Precursors

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-20

资源简介

再生改变红系前体细胞开放染色质与顺式调控景观

Regeneration Alters Open Chromatin and Cis-Regulatory Landscape of Erythroid Precursors

该数据集来自 NCBI GEO(GSE275430),包含小鼠贫血诱导后多个时间点富集的红细胞前体细胞的染色质可及性数据,采用 ATAC-seq 技术,共 1 个文件。数据可用于识别贫血特异性基因表达相关的顺式调控变化,分析红细胞性状相关位点在染色质开放区域的富集情况,并研究再生依赖的转录组在红系祖细胞和前体细胞中的早期建立与晚期消退过程(来源 NCBI)。

【数据集背景】

源站首次发布:Aug 21 202。

【数据内容】

源站描述(机器翻译,仅供参考):应激性红细胞生成会提高红细胞(RBC)生成速率,作为对贫血或缺氧等应激源的生理反应。为识别构成贫血特异性基因表达和细胞反应基础的顺式调控变化,我们分析了从贫血诱导后一系列时间点分离的小鼠红细胞前体富集细胞群体的染色质可及性。在 ATAC-seq 数据中,红细胞性状相关位点的代表性在贫血缓解后超过 1 个月仍持续升高。总之,这些发现为理解红细胞祖细胞和前体细胞中再生依赖性转录组的早期建立和晚期消退提供了一个框架。

【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:GPL34328、10090。本站分类:血液及造血器官疾病。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE275430

【使用注意】

· 源站最后修改于 Dec 15 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE275430

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

应激性红细胞生成会提高红细胞(RBC)的生成速率,作为对贫血或缺氧等应激源的生理反应。为识别驱动贫血特异性基因表达和细胞反应的顺式调控变化,我们分析了在贫血诱导后多个时间点从小鼠中分离的红细胞前体富集细胞群体的染色质可及性。在贫血缓解超过1个月后,ATAC-seq数据中红细胞性状相关位点的代表性仍持续升高。总之,这些发现为理解红细胞祖细胞和前体细胞中再生依赖性转录组的早期建立和晚期缓解提供了框架。

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。

获取专属数据定制方案