烟雾病患者颅内动脉长链非编码RNA表达谱
该数据集来自 NCBI GEO（GSE189993），收录烟雾病（MMD）患者与对照者大脑中动脉（MCA）微样本的长链非编码 RNA（lncRNA）表达谱芯片数据
基本信息
资源简介
烟雾病患者颅内动脉长链非编码RNA表达谱
Long non-coding RNA profile of the intracranial artery in the patients with Moyamoya disease
该数据集来自 NCBI GEO（GSE189993），收录烟雾病（MMD）患者与对照者大脑中动脉（MCA）微样本的长链非编码 RNA（lncRNA）表达谱芯片数据。样本包括 MMD 患者 21 例和对照患者 11 例，通过微阵列实验比较两组间 lncRNA 表达差异，并预测差异表达 lncRNA 可能调控的编码基因功能。数据可用于研究烟雾病颅内动脉中 lncRNA 的表达变化及其潜在生物学功能（来源 NCBI）。
【数据集背景】
源站首次发布：Dec 02 202。
【数据内容】
源站描述（机器翻译，仅供参考）：我们收集了烟雾病（MMD）患者（n = 21）和对照患者（n = 11）大脑中动脉（MCA）的微量样本。通过微阵列实验，比较了两组之间 MCA 中 lncRNA 的表达谱，并鉴定了差异表达的 lncRNA（倍数变化 > 2，q < 0.05），包括 MMD 患者 MCA 中 306 个上调 lncRNA 和 2 个下调 lncRNA。在生物学功能预测方面，对已鉴定的差异表达 lncRNA 可能通过顺式作用调控转录的编码基因进行基因本体分析，提示其参与抗菌体液反应、T 细胞受体信号通路、细胞因子产生的正向调控以及血管形态发生中的分支。定量聚合酶链反应显示 lncRNA 表达与微阵列实验相似。
【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、GPL16699、9606。本站分类：感染性疾病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE189993
【使用注意】
· 源站最后修改于 Nov 25 202，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=GSE189993
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
我们从中枢神经系统疾病（MMD）患者（n=21）和对照患者（n=11）中采集了大脑中动脉（MCA）的微量样本。通过微阵列实验，比较了各组间MCA中lncRNA的表达谱，并鉴定了差异表达的lncRNA（倍数变化>2，q<0.05）。此外，我们还研究了已鉴定的差异表达lncRNA可能通过顺式作用调控转录的邻近编码基因，并将其应用于基因本体论分析以预测这些生物学功能。我们在MMD患者的MCA中检测到308个差异表达的lncRNA（倍数变化>2，q<0.05），其中包括306个上调的lncRNA和2个下调的lncRNA。在生物学功能预测方面，对可能受已鉴定的差异表达lncRNA顺式调控转录的编码基因进行基因本体论分析，提示其参与抗菌体液反应、T细胞受体信号通路、细胞因子产生的正向调控以及血管形态发生中的分支过程。定量聚合酶链反应显示lncRNA表达与微阵列实验结果相似。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连，提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。
