单胎小鼠乳腺管腔祖细胞亚群基因表达谱(基于CD24CD29CD61分选)
该数据集来自NCBI GEO,包含一份GSE135636系列矩阵文件,记录野生型FVB/N小鼠在两种哺乳行为模型下乳腺管腔祖细胞的基因表达谱

基本信息
资源简介
单胎小鼠乳腺管腔祖细胞亚群基因表达谱(基于CD24CD29CD61分选)
Gene expression profile of uniparous mouse mammary cell luminal progenitor subpopulation FACS-sorted based on expression of CD24CD29CD61
该数据集来自NCBI GEO,包含一份GSE135636系列矩阵文件,记录野生型FVB/N小鼠在两种哺乳行为模型下乳腺管腔祖细胞的基因表达谱。实验通过FACS基于CD24、CD29、CD61表达分选细胞,并采用基因集富集分析处理表达数据。数据可用于比较渐进退化与骤退退化条件下管腔祖细胞亚群的转录差异,支持乳腺生物学及免疫相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 09 201。
【数据内容】
源站描述(机器翻译,仅供参考):我们在野生型FVB/N小鼠中模拟了两种哺乳行为:(1)长时间哺乳后乳腺组织的正常或渐进性退化;(2)短期哺乳后强制或突然性退化。为此,幼崽在28至31天之间逐渐断奶(渐进性退化),或在产后7天突然断奶(突然性退化)。使用FACS对乳腺上皮亚群进行相对定量。基因集富集分析用于分析小鼠乳腺管腔祖细胞的基因表达数据。简言之,乳腺单细胞悬液富集了谱系阴性(Lin−)上皮细胞,排除了Lin+细胞,特别是造血细胞(生物素化CD45和TER119)、内皮细胞(生物素化CD31)和免疫细胞(生物素化BP-1)。阴性选择的细胞群体富集了管腔上皮
【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:Expression profiling by array、GPL21877、10090。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE135636
【使用注意】
· 源站最后修改于 Aug 12 201,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=GSE135636
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
我们在野生型FVB/N小鼠中模拟了两种哺乳行为:(1) 长期哺乳后乳腺组织的正常或渐进性复旧,以及(2) 短期哺乳后的强制性或突然性复旧。为此,幼鼠在产后28至31天之间逐渐断奶(渐进性复旧),或在产后7天突然断奶(突然性复旧)。采用FACS对乳腺上皮亚群进行相对定量。基因集富集分析用于分析小鼠乳腺管腔祖细胞的基因表达数据。简言之,将乳腺单细胞悬液富集为谱系阴性(Lin−)上皮细胞,排除Lin+细胞,具体为造血细胞(生物素化CD45和TER119)、内皮细胞(生物素化CD31)和免疫细胞(生物素化BP-1)。负筛选后的细胞群体富集了管腔上皮(LE)和乳腺干细胞(MaSC)富集型/基底上皮(MaSC富集型)。对于FACS分析,Lin−群体用CD24-PE、CD29-FITC和CD61-APC标记,同时使用各自的同型对照作为阴性对照。
细胞悬液与相应抗体在冰上孵育30分钟。细胞重悬于FACS缓冲液(含1 mM EDTA、1% HI-FBS和25 mM HEPES,pH 7.0,溶于1×磷酸盐缓冲盐水)中,并在FACS BD LSR II流式细胞仪上进行分选。
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。




