衰老影响肌肉干细胞DNA甲基化与转录细胞间变异性 [scRNA-seq]

该数据集来自NCBI GEO,包含一项关于衰老对小鼠肌肉干细胞DNA甲基化与转录细胞间变异性影响的研究,采用平行单细胞转录组和DNA甲基化组分析

geo
浏览 3
基因组回归GPL1702110090
GSE121364: Ageing affects DNA methylation and transcriptional cell-to-cell variability in muscle stem cells [scRNA-seq]

基本信息

模态
基因组
任务类型
回归
创建/更新时间
2026-10-21

资源简介

衰老影响肌肉干细胞DNA甲基化与转录细胞间变异性 [scRNA-seq]

Ageing affects DNA methylation and transcriptional cell-to-cell variability in muscle stem cells [scRNA-seq]

该数据集来自NCBI GEO,包含一项关于衰老对小鼠肌肉干细胞DNA甲基化与转录细胞间变异性影响的研究,采用平行单细胞转录组和DNA甲基化组分析。数据覆盖年轻与年老小鼠肌肉干细胞,可用于探索表观基因组与转录组异质性之间的关联,以及细胞外基质相关基因转录改变,为研究干细胞衰老机制提供单细胞水平资源(来源 NCBI)。

【数据集背景】

源站首次发布:Oct 16 201。

【数据内容】

源站描述(机器翻译,仅供参考):与年龄相关的组织改变与干细胞数量和功能下降有关。转录或表观遗传标记的细胞间变异性增加被认为是衰老的主要标志。在此,通过平行单细胞转录组和DNA甲基化组分析,我们发现衰老小鼠肌肉干细胞中不协调的转录异质性整体增加,以及DNA甲基化异质性的情境依赖性改变。重要的是,甲基化异质性增加的启动子与其驱动的基因转录异质性增加相关。值得注意的是,与年轻细胞分化的年老细胞揭示了多个细胞外基质相关基因转录的改变。这些发现表明表观基因组和转录组之间的异质性增加相关联,并伴随一致性的退化。

【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:GPL17021、10090。本站分类:肌肉骨骼疾病/其他。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE121364

【使用注意】

· 源站最后修改于 Oct 08 201,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=GSE121364

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

与年龄相关的组织改变与干细胞数量和功能的下降有关。转录或表观遗传标记中细胞间变异性的增加被认为是衰老的主要标志之一。在此,我们利用平行单细胞转录组和DNA甲基化组分析,发现衰老小鼠肌肉干细胞中不协调的转录异质性整体增加,以及DNA甲基化异质性的情境依赖性改变。重要的是,甲基化异质性增加的启动子与其所驱动基因的转录异质性增加相关。值得注意的是,与年轻细胞分化的衰老细胞显示出多种细胞外基质相关基因转录的改变。这些发现表明,表观基因组与转录组之间异质性的增加存在关联,并伴随衰老过程中一致性转录网络的退化和干细胞功能的下降。

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