RNA脂质颗粒聚集体对小鼠脑肿瘤模型肿瘤微环境的影响
该数据集来自 search.dataone.org,属于肿瘤/脑肿瘤分类,研究RNA脂质颗粒聚集体对小鼠脑肿瘤模型肿瘤微环境的影响

基本信息
资源简介
RNA脂质颗粒聚集体对小鼠脑肿瘤模型肿瘤微环境的影响
Impact of RNA Lipid Particle Aggregates on the Tumor Microenvironment in a Murine Brain Tumor Model
该数据集来自 search.dataone.org,属于肿瘤/脑肿瘤分类,研究RNA脂质颗粒聚集体对小鼠脑肿瘤模型肿瘤微环境的影响。数据涉及携带KR158b-luc颅内肿瘤的小鼠,经脂质颗粒、负载沉默RNA的脂质颗粒聚集体或负载非沉默RNA的脂质颗粒聚集体处理后,提取肿瘤组织RNA,经Poly(A)捕获建库并在Illumina NovaSeq 6000平台进行双端150 bp测序。数据可用于分析不同RNA脂质颗粒处理下脑肿瘤微环境的转录组变化,支撑mRNA癌症疫苗、脂质纳米颗粒和胶质母细胞瘤免疫治疗等研究(来源 DataONE,http://creativecommons.org/publicdomain/zero/1.0 许可)。
【数据内容】
源站描述(机器翻译,仅供参考):携带KR158b-luc颅内肿瘤的小鼠接受以下处理之一:脂质颗粒、负载沉默RNA的脂质颗粒聚集体(modRNA-LPA)或负载非沉默RNA的脂质颗粒聚集体。处理后二十四小时,肿瘤组织保存于RNAlater中,随后进行RNA提取。样品送至Novogene通过Poly(A)捕获进行文库制备。测序在Illumina NovaSeq 6000平台上进行,采用双端150 bp测序方法。用于处理的RNA由亲本KR158b-luc细胞系提取的总RNA合成。在用于体外转录(IVT)反应之前,使用RT-PCR生成cDNA文库,随后进行RNA纯化以获得纯化的mRNA抗原。非沉默RNA使用ThermoFisher Scientific IVT试剂盒(Cat. AM1344)生产,而
【主题与分类】
主题标签:Medicine, Health and Life Sciences。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A337d912cb180f3fbb102307aeae61e975ff199fdd9c25f8470f96e3075d4fe6f
使用许可:http://creativecommons.org/publicdomain/zero/1.0。
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
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
携带KR158b-luc颅内肿瘤的小鼠接受了以下任一处理:脂质颗粒、负载沉默RNA的脂质颗粒聚集体(modRNA-LPA)或负载非沉默RNA的脂质颗粒聚集体。处理后二十四小时,将肿瘤组织保存于RNAlater中,随后进行RNA提取。之后,样品被送至诺禾致源(Novogene),通过Poly(A)捕获法进行文库制备。测序在Illumina NovaSeq 6000平台上进行,采用双端150 bp测序方法。用于处理的RNA由亲本KR158b-luc细胞系提取的总RNA合成。在用于体外转录(IVT)反应之前,先通过RT-PCR生成cDNA文库,随后进行RNA纯化以获得纯化的mRNA抗原。非沉默RNA使用ThermoFisher Scientific IVT试剂盒(货号AM1344)制备,而沉默RNA则使用CellScript IVT试剂盒(货号C-ICTAMY110510)生成。
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。




