PEDV易感与非易感细胞系转录组差异表达谱比较以鉴定PEDV进入相关关键分子
该数据集来自NCBI GEO,包含PEDV易感与非易感细胞系的转录组RNA-seq表达谱数据,用于比较差异表达并鉴定与PEDV进入相关的关键分子

基本信息
资源简介
PEDV易感与非易感细胞系转录组差异表达谱比较以鉴定PEDV进入相关关键分子
Compare of differential expression profiles of PEDV-susceptible and non-susceptible cell lines at the transcriptome level to identify key molecules associated with PEDV entry
该数据集来自NCBI GEO,包含PEDV易感与非易感细胞系的转录组RNA-seq表达谱数据,用于比较差异表达并鉴定与PEDV进入相关的关键分子。研究通过WGCNA发现胆固醇、甾醇及脂质转运与稳态通路与PEDV进入强相关,并验证胆固醇转运抑制剂可显著抑制病毒进入。数据可用于感染性疾病中病毒受体与进入机制的表达谱分析及候选分子筛选(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):猪流行性腹泻病毒(PEDV)是一种高度传染性病毒,对全球养猪业构成严重威胁。尽管已开展大量研究,PEDV的功能性受体仍不明确。在本研究中,我们鉴定了对PEDV感染易感和非易感的细胞系,并对这些细胞系进行了RNA-seq分析。利用加权基因共表达网络分析(WGCNA),我们鉴定了与PEDV进入途径相关的关键通路。我们发现胆固醇、甾醇以及脂质转运与稳态与PEDV进入强相关,提示胆固醇在PEDV进入中可能发挥作用。随后,我们用胆固醇转运抑制剂处理易感细胞系,发现抑制胆固醇转运可显著抑制这些细胞中的PEDV进入。总之,我们的结果提示胆固醇转运
【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:GPL24676、9606。本站分类:感染性疾病/其他。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE236338
【使用注意】
· 源站最后修改于 Jan 02 202,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=GSE236338
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
猪流行性腹泻病毒(PEDV)是一种高度传染性的病毒,对全球养猪业构成严重威胁。尽管已开展了大量研究,但PEDV的功能性受体仍不明确。在本研究中,我们鉴定了对PEDV感染易感和不易感的细胞系,并对这些细胞系进行了RNA-seq分析。利用加权基因共表达网络分析(WGCNA),我们确定了与PEDV进入途径相关的关键通路。我们发现胆固醇、甾醇以及脂质转运与稳态与PEDV进入密切相关,提示胆固醇在PEDV进入中可能发挥作用。随后,我们用胆固醇转运抑制剂处理易感细胞系,发现抑制胆固醇转运可显著抑制这些细胞中PEDV的进入。综上所述,我们的结果表明胆固醇转运可能在PEDV进入易感细胞的过程中发挥关键作用,而靶向胆固醇转运可能成为控制PEDV传播的潜在策略。
我们的发现为PEDV进入机制提供了新的见解,并可能为开发针对这一具有重要经济意义的病毒的新治疗策略铺平道路。有必要进一步研究以阐明PEDV进入的详细机制,并探索胆固醇转运抑制剂作为控制PEDV传播手段的潜力。
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。




