对照与ApoE-/-小鼠Ly6C单核细胞亚群转录组分析

ApoE-/-小鼠先喂食正常饲料,8周龄起改用高脂饮食维持12-14周,对照小鼠全程正常饲料。通过流式分选获取单核细胞亚群后进行测序,可用于探索决定单核细胞亚群免疫特征的分子靶点与信号通路,以及炎症和动脉粥样硬化相关机制研究(来源 NCBI)

geo
浏览 8
时间序列分类GPL1905710090
GSE189097: Ly6C monocyte subsets transcriptome analysis from control and ApoE-/- mice

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-22

资源简介

对照与ApoE-/-小鼠Ly6C单核细胞亚群转录组分析

Ly6C monocyte subsets transcriptome analysis from control and ApoE-/- mice

该数据集来自NCBI GEO,包含对照C57BL/6小鼠与ApoE-/-小鼠血液中Ly6Chigh和Ly6Clow单核细胞亚群的bulk高通量RNA-sequencing数据。ApoE-/-小鼠先喂食正常饲料,8周龄起改用高脂饮食维持12-14周,对照小鼠全程正常饲料。通过流式分选获取单核细胞亚群后进行测序,可用于探索决定单核细胞亚群免疫特征的分子靶点与信号通路,以及炎症和动脉粥样硬化相关机制研究(来源 NCBI)。

【数据集背景】

源站首次发布:Nov 18 202。

【数据内容】

源站描述(机器翻译,仅供参考):炎症性单核细胞(MC)亚群分化是组织炎症和动脉粥样硬化的主要特征。其潜在分子机制仍不清楚。本研究旨在探索决定MC亚群免疫特征的分子靶点和信号通路。ApoE-/-小鼠喂食正常饲料,在8周龄时改用高脂(HF)饮食并维持12-14周。对照C57BL/6小鼠全程喂食正常饲料。通过流式细胞术分选从对照和ApoE-/-小鼠中分离血液Ly6Chigh和Ly6Clow MC亚群,并进行bulk高通量RNA测序。

【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:GPL19057、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=GSE189097

【使用注意】

· 源站最后修改于 Jan 12 202,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=GSE189097

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

炎症性单核细胞(MC)亚群分化是组织炎症和动脉粥样硬化的主要特征。其潜在分子机制尚不清楚。本研究旨在探索决定MC亚群免疫特征的分子靶点和信号通路。ApoE-/-小鼠喂食正常饲料,在8周龄时转换为高脂(HF)饮食,并维持HF饮食12-14周。对照C57BL/6小鼠全程喂食正常饲料。通过流式细胞术分选从对照和ApoE-/-小鼠中分离血液Ly6Chigh和Ly6Clow MC亚群,并进行批量高通量RNA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。

获取专属数据定制方案