IVM敏感与耐药捻转血矛线虫微阵列数据集
源站描述显示研究比较耐药与敏感寄生虫的 microRNA 表达变化,耐药虫株包括两个地理来源不同的株系及多轮回交加伊维菌素选择产生的两个品系,四株耐药虫株均显示 hco-miR-9551 丰度升高

基本信息
资源简介
IVM敏感与耐药捻转血矛线虫微阵列数据集
Microarray of IVM susceptable and resistant Haemonchus contortous
该数据集来自 NCBI GEO(GSE79542),为捻转血矛线虫(Haemonchus contortus)伊维菌素敏感与耐药虫株的微阵列数据,包含 1 个文件 GSE79542_series_matrix.txt.gz。源站描述显示研究比较耐药与敏感寄生虫的 microRNA 表达变化,耐药虫株包括两个地理来源不同的株系及多轮回交加伊维菌素选择产生的两个品系,四株耐药虫株均显示 hco-miR-9551 丰度升高。数据可用于寄生虫抗药性相关非编码 RNA 表达分析(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 23 201。
【数据内容】
源站描述(机器翻译,仅供参考):抗蠕虫药耐药性是全球抗击寄生线虫的一大难题。以往多数研究集中于分析可能在耐药性中起作用的候选基因。本文在重要寄生虫捻转血矛线虫(Haemonchus contortus)中采取新方法,研究耐药与敏感寄生虫之间 microRNA 表达的变化。耐药虫株包括两个地理来源不同的株系,以及由敏感与耐药亲本多轮回交并施加伊维菌素选择产生的两个品系。全部四个耐药株系与敏感株系相比均显示单一 miRNA hco-miR-9551 丰度升高。hco-miR-9551 在雌虫中富集,可能位于 X 染色体,且仅见于 clade V 寄生线虫。耐药亲本株系基因组的约 5-10%
【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:Non-coding RNA profiling by array、GPL21648、6289。本站分类:感染/寄生虫病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE79542
【使用注意】
· 源站最后修改于 Jan 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=GSE79542
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
抗蠕虫药物耐药性是全球抗击寄生线虫斗争中的一大难题。以往大多数研究集中于分析可能参与耐药性的候选基因。本文采用一种新方法,研究重要寄生虫——捻转血矛线虫(Haemonchus contortus)中耐药株与敏感株之间microRNA表达的变化。耐药虫株包括两个地理上不同的株系,以及通过敏感亲本与耐药亲本多轮回交并施加伊维菌素选择压力而获得的两个品系。与敏感株相比,全部四个耐药株均显示单一miRNA——hco-miR-9551的丰度增加。hco-miR-9551在雌虫中富集,可能定位于X染色体,且仅存在于进化支V的寄生线虫中。耐药亲本株基因组中约5-10%渗入到相应的回交后代中,提示hco-miR-9551或受该miRNA调控的基因可能在遗传上与决定耐药性的位点连锁。
通过计算识别出含有hco-miR-9551预测结合位点的基因,并基于转录组数据集中的差异表达进行了精炼。这些发现推进了我们对捻转血矛线虫抗蠕虫药耐药分子机制的概念性理解,并表明miRNA表达的 Alterations 可能与药物耐药性相关联。
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。




