Gimap6缺陷小鼠内皮细胞与巨噬细胞的转录组分析:致死性血管病变机制研究
该数据集包含针对Gimap6缺陷小鼠致死性血管病变机制研究生成的转录组数据,涵盖从Gimap6敲除小鼠和野生型C57BL/6小鼠中分离的主动脉内皮细胞(AECs)与骨髓来源巨噬细胞(BMDMs)的RNA测序结果

基本信息
资源简介
Gimap6缺陷小鼠内皮细胞与巨噬细胞的转录组分析:致死性血管病变机制研究
Transcriptomic analysis of endothelial cells and macrophages from Gimap6-deficient mice to define mechanisms of lethal vasculopathy
该数据集包含针对Gimap6缺陷小鼠致死性血管病变机制研究生成的转录组数据,涵盖从Gimap6敲除小鼠和野生型C57BL/6小鼠中分离的主动脉内皮细胞(AECs)与骨髓来源巨噬细胞(BMDMs)的RNA测序结果。AECs实验旨在识别导致血管屏障完整性受损和内皮功能障碍的转录变化,BMDMs实验旨在确定驱动脂质积累增强和促动脉粥样硬化泡沫细胞形成的基因表达程序。比较分析可界定GIMAP6在维持血管稳态中的细胞内在作用,为血管病变机制研究提供数据支持(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含为阐明Gimap6缺陷小鼠中观察到的严重血管病变和早死现象的分子机制而生成的转录组数据。研究包括从Gimap6敲除(Gimap6KO)和野生型(C57BL/6)小鼠中分离的两种关键细胞类型的RNA测序(RNA-seq):主动脉内皮细胞(AECs):该实验旨在识别导致Gimap6敲除小鼠中观察到的血管屏障完整性受损和内皮功能障碍的转录变化。骨髓来源巨噬细胞(BMDMs):该实验旨在确定在缺乏GIMAP6的情况下驱动脂质积累增强和促动脉粥样硬化泡沫细胞形成的基因表达程序。这些数据集的比较分析界定了GIMAP6在维持血管稳态中的细胞内在作用,并提供了对一种尚不明确的机制的见解。
【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:GPL28457、10090。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=GSE307778
【使用注意】
· 源站最后修改于 Oct 13 202,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=GSE307778
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
该数据集包含为阐明Gimap6缺陷小鼠中观察到的严重血管病变和过早致死性的分子机制而生成的转录组数据。该研究包括对从Gimap6KO和野生型(C57BL/6)小鼠中分离的两种关键细胞类型进行RNA测序(RNA-seq):主动脉内皮细胞(AECs):该实验旨在识别导致Gimap6敲除小鼠中观察到的血管屏障完整性受损和内皮功能障碍的转录变化。骨髓来源巨噬细胞(BMDMs):该实验旨在确定在缺乏GIMAP6的情况下驱动脂质积累增强和促动脉粥样硬化泡沫细胞形成的基因表达程序。这些数据集的比较分析定义了GIMAP6在维持血管稳态中的细胞内在作用,并为了解一种新型的、非高脂血症依赖性的动脉粥样硬化途径提供了见解。
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。




