iMEF SDHC缺失稳定细胞系RNA-seq
该数据集为iMEF SDHC缺失稳定细胞系的RNA-seq表达谱数据,来源于ncbi.nlm.nih.gov,属于肿瘤/脑肿瘤分类

基本信息
资源简介
iMEF SDHC缺失稳定细胞系RNA-seq
iMEF SDHC-loss stable line RNA-seq
该数据集为iMEF SDHC缺失稳定细胞系的RNA-seq表达谱数据,来源于ncbi.nlm.nih.gov,属于肿瘤/脑肿瘤分类。数据基于四环素诱导的SV-40慢病毒永生化小鼠胚胎成纤维细胞模型,模拟SDH缺失型副神经节瘤/嗜铬细胞瘤,包含Sdhc -/-实验组与Sdhc +/-对照组稳定细胞系,Sdhc基因重排状态经PCR确认。可用于研究SDHC缺失相关的基因表达变化及肿瘤机制(来源 NCBI)。
【数据集背景】
源站首次发布:May 09 201。
【数据内容】
源站描述(机器翻译,仅供参考):我们建立了一种四环素诱导的SV-40慢病毒永生化小鼠胚胎成纤维细胞(iMEF)细胞培养模型,用于模拟SDH缺失型副神经节瘤/嗜铬细胞瘤,其中Sdhc floxed等位基因的沉默基因重排由四环素诱导型启动子驱动的cre重组酶多西环素依赖性表达所驱动(R26M2rtTA/+;TetOcre;Sdhcfl/fl)。为进行比较,我们纳入了一个同基因Sdhc wt对照细胞系(R26M2rtTA/+;TetOcre;Sdhcfl/wt),该细胞系在多西环素暴露后保留一个完整的Sdhc拷贝。在多西环素诱导两种细胞系后,采用稀释亚克隆获得稳定的Sdhc -/-(实验组)和Sdhc +/-(对照组)细胞系。每个克隆来源细胞系的Sdhc基因重排状态均通过PCR确认。细胞系在含青霉素/链霉素抗生素(0.5 mg/mL)、非必需氨基酸(100微摩尔
【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:GPL21103、10090。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE114244
【使用注意】
· 源站最后修改于 Jan 21 202,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=GSE114244
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
我们建立了一种四环素诱导的SV-40慢病毒永生化小鼠胚胎成纤维细胞(iMEF)培养模型,用于研究SDH缺失型副神经节瘤/嗜铬细胞瘤。在该模型中,通过四环素诱导型启动子驱动cre重组酶的强力霉素依赖性表达,从而介导Sdhc floxed等位基因的沉默基因重排(R26M2rtTA/+;TetOcre;Sdhcfl/fl)。为便于比较,我们纳入了一株同基因型的Sdhc野生型对照细胞系(R26M2rtTA/+;TetOcre;Sdhcfl/wt),该细胞系在强力霉素暴露后仍保留一个完整的Sdhc拷贝。在对两株细胞系进行强力霉素诱导后,采用有限稀释亚克隆法获得稳定的Sdhc -/-(实验组)和Sdhc +/-(对照组)细胞系。每株克隆来源细胞系的Sdhc基因重排状态均通过PCR确认。细胞系培养于标准DMEM中,培养基含青霉素/链霉素抗生素(0.5 mg/mL)、非必需氨基酸(甘氨酸、丙氨酸、天冬酰胺、天冬氨酸、谷氨酸、脯氨酸和丝氨酸各100微摩尔)、丙酮酸钠(1 mM)和HEPES缓冲液(10 mM),培养条件为21% O2和5% CO2。
在细胞系衍生及Sdhc遗传状态验证之后,通过RNA-seq对每个细胞系进行了转录组分析。
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。




