GSE197508:揭示参与胶质瘤癌变的小非编码RNA

该数据集来自 NCBI GEO,聚焦胶质母细胞瘤(GBM)癌变相关的小非编码 RNA。研究对 U87-MG GBM 细胞系进行小 RNA 与转录组的高通量下一代测序,鉴定出已知和新的 piRNA、miRNA,以及蛋白编码基因、lncRNA 和假基因转录本

geo
浏览 5
时间序列分类GPL167919606
GSE197508: Uncovering small non-coding RNAs involved in carcinogenesis of Glioma

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-21

资源简介

GSE197508:揭示参与胶质瘤癌变的小非编码RNA

Uncovering small non-coding RNAs involved in carcinogenesis of Glioma

该数据集来自 NCBI GEO,聚焦胶质母细胞瘤(GBM)癌变相关的小非编码 RNA。研究对 U87-MG GBM 细胞系进行小 RNA 与转录组的高通量下一代测序,鉴定出已知和新的 piRNA、miRNA,以及蛋白编码基因、lncRNA 和假基因转录本。数据可用于探索这些小 RNA 及其靶转录组所涉及的信号通路,进而解析 GBM 肿瘤发生的分子机制(来源 NCBI)。

【数据集背景】

源站首次发布:Feb 26 202。

【数据内容】

源站描述(机器翻译,仅供参考):为确定小 RNA(piRNA、miRNA)通过靶向调控影响胶质母细胞瘤(GBM)的哪些信号通路,我们对 U87-MG GBM 细胞系进行了高通量下一代测序。小 RNA 和转录组的 RNA 测序(RNA-Seq)发现了已知和新的 piRNA 与 miRNA,以及该 GBM 细胞系中表达的其他蛋白编码基因、lncRNA 和假基因转录组。这些小 RNA 和靶转录组可进一步研究,以解析该恶性肿瘤肿瘤发生背后的新分子机制。

【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:GPL16791、9606。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=GSE197508

【使用注意】

· 源站最后修改于 Jul 04 202,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=GSE197508

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

为确定小RNA(piRNA、miRNA)通过靶向调控在胶质母细胞瘤(GBM)中影响哪些信号通路,我们在U87-MG GBM细胞系中进行了高通量下一代测序。小RNA和转录组的RNA测序(RNA-Seq)发现了已知和新的piRNA和miRNA,以及在该GBM细胞系中表达的其他蛋白质编码基因、lncRNA和假基因的转录组。这些small RNA和靶转录组可进一步研究,以解读该恶性肿瘤肿瘤发生背后的新分子机制。

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。

获取专属数据定制方案