Alk1或Smad4功能缺失条件下不同内皮病理机制驱动动静脉畸形
数据聚焦遗传性出血性毛细血管扩张症(HHT)相关基因Alk1或Smad4功能缺失条件下内皮细胞表型、信号动态与转录变化,涵盖体外与体内实验

基本信息
资源简介
Alk1或Smad4功能缺失条件下不同内皮病理机制驱动动静脉畸形
Distinct endothelial pathomechanisms drive arterio-venous malformation in Alk1 or Smad4 loss-of-function conditions
该数据集来自NCBI GEO,包含1个文件(GSE282952_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为人类(9606),平台为GPL34284。数据聚焦遗传性出血性毛细血管扩张症(HHT)相关基因Alk1或Smad4功能缺失条件下内皮细胞表型、信号动态与转录变化,涵盖体外与体内实验。可用于研究BMP通路缺陷导致动静脉畸形(AVM)的分子机制,并比较Alk1与Smad4缺失所触发的不同内皮病理特征(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):遗传性出血性毛细血管扩张症(HHT)是一种常染色体显性遗传病,与骨形态发生蛋白(BMP)通路突变相关。Alk1、Eng或Smad4的遗传性杂合功能缺失突变及获得性杂合性缺失导致动静脉畸形(AVM)发生,引发局部血管不稳定、缺氧及血管渗漏或破裂。现有模型假设共同的细胞病理机制最终导致内皮细胞(EC)形态调控、定向迁移和增殖控制改变,这是EC中BMP通路信号缺陷在血流介导剪切应力影响下的结果。本文报告,Alk1或Smad4缺失在体外和体内均出乎意料地触发非常不同的内皮表型、信号动态和EC转录变化。EC行为在
【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:GPL34284、9606。本站分类:肌肉骨骼系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE282952
【使用注意】
· 源站最后修改于 Sep 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=GSE282952
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
遗传性出血性毛细血管扩张症(HHT)是一种常染色体显性遗传病,与骨形态发生蛋白(BMP)通路突变相关。Alk1、Eng或Smad4基因的遗传性杂合功能缺失突变及获得性杂合性缺失,可导致动静脉畸形(AVMs)形成,进而引发局部血管不稳定、缺氧及血管渗漏或破裂。现有模型认为,在内皮细胞(EC)中,血流介导的剪切应力作用下BMP通路信号缺陷,导致共同的细胞病理机制,最终表现为内皮细胞形态调控、定向迁移和增殖控制异常。本研究报告,Alk1或Smad4缺失在体外和体内均出乎意料地触发了截然不同的内皮表型、信号动力学及转录变化。体内实验和镶嵌式流动培养中的内皮细胞行为表明,Smad4缺陷细胞能够有效地逆流体剪切方向迁移,从静脉向动脉迁移,而Alk1缺失细胞则无法极化并逆流迁移。
我们的数据表明,由Smad4突变触发的AVM是通过毛细血管的过度修剪而形成的,从而促使血流在单一分流中加速;而由Alk1突变引起的AVM则通过靠近静脉的细胞积聚以及驱动病灶形成的持续高密度血管丛而生长。我们提出,如果上游BMP受体Alk1或下游共同转录因子Smad4发生突变,导致AVM形成的细胞病理机制并不相同,这为亟需的、基于机制的治疗途径开辟了前景,而这些治疗途径需要针对纠正特定的病理机制进行定制。
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。




