ApoE-/-小鼠与MSC_ITGB3治疗ApoE-/-小鼠主动脉细胞单细胞RNA测序
该数据集为ApoE-/-小鼠与MSC_ITGB3治疗的ApoE-/-小鼠主动脉细胞的单细胞RNA测序数据,包含33,782个细胞,鉴定出30个细胞簇,主要为平滑肌细胞、内皮细胞和免疫细胞

基本信息
资源简介
ApoE-/-小鼠与MSC_ITGB3治疗ApoE-/-小鼠主动脉细胞单细胞RNA测序
Single-cell RNA sequencing of aortic cellular in ApoE-/- mice and MSC_ITGB3-treated ApoE-/- mice
该数据集为ApoE-/-小鼠与MSC_ITGB3治疗的ApoE-/-小鼠主动脉细胞的单细胞RNA测序数据,包含33,782个细胞,鉴定出30个细胞簇,主要为平滑肌细胞、内皮细胞和免疫细胞。数据覆盖高脂饮食组与MSC_ITGB3治疗组的转录组差异,可用于研究动脉粥样硬化中平滑肌细胞表型转换、内皮细胞信号通路变化及免疫细胞浸润等机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们报告了来自高脂饮食喂养的小鼠主动脉的33,782个单细胞,这些细胞接受或不接受MSC_ITGB3处理,并进行了单细胞RNA测序。我们生成了包含30个细胞簇的汇编,主要是平滑肌细胞(SMCs)、内皮细胞(ECs)和免疫细胞。在高脂饮食组中,与增殖、迁移和胶原相关的基因在主要SMC亚群中高表达。然而,SMC亚群中收缩相关基因的表达在MSC_ITGB3组中显著高于高脂饮食组。高脂饮食消耗后,具有活跃PI3K-Akt信号通路、细胞外基质-受体相互作用和收缩相关基因的EC亚群显著富集。在MSC_ITGB3组中,树突状细胞的数量与动脉粥样硬化病变进展正相关,并促进脂质积累和炎症
【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:GPL9185、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=GSE238011
【使用注意】
· 源站最后修改于 Jul 11 202,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=GSE238011
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
我们对接受或未接受MSC_ITGB3治疗的高脂饮食喂养小鼠主动脉的33,782个单细胞进行了单细胞RNA测序。我们构建了包含30个细胞簇的图谱,主要为平滑肌细胞(SMCs)、内皮细胞(ECs)和免疫细胞。在高脂饮食组中,与增殖、迁移和胶原相关的基因在主要SMC亚群中高表达。然而,在MSC_ITGB3组中,SMC亚群中收缩相关基因的表达显著高于高脂饮食组。高脂饮食后,具有活跃PI3K-Akt信号通路、细胞外基质-受体相互作用和收缩相关基因的EC亚群显著富集。在MSC_ITGB3组中,与动脉粥样硬化病变进展呈正相关并促进脂质蓄积的树突状细胞数量减少,炎症因子水平降低。这些关于干细胞治疗和动脉粥样硬化疾病进展后主动脉细胞组成、信号通路和细胞间通讯的数据可能有助于改善动脉粥样硬化的治疗。
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。




