PRJNA149773：miR-34a 靶向 proneural 恶性胶质瘤中的 PDGFRA
该数据集来自 NCBI，属于肿瘤/脑肿瘤分类，主题为转录组或基因表达。研究对 proneural TS543 GBM 细胞进行 miR-34a 或对照寡核苷酸转染，3 天后提取 RNA，使用 Illumina HT-12 bead array 进行表达分析，以识别 miR-34a 的潜在靶点，重点关
基本信息
资源简介
PRJNA149773：miR-34a 靶向 proneural 恶性胶质瘤中的 PDGFRA
该数据集来自 NCBI，属于肿瘤/脑肿瘤分类，主题为转录组或基因表达。研究对 proneural TS543 GBM 细胞进行 miR-34a 或对照寡核苷酸转染，3 天后提取 RNA，使用 Illumina HT-12 bead array 进行表达分析，以识别 miR-34a 的潜在靶点，重点关注转染后表达下降的 mRNA。数据经 Bioconductor 框架中 lumi 包的方差稳定归一化（VSN）处理，可用于分析 miR-34a 在胶质母细胞瘤中的转录调控作用（来源 ncbi.nlm.nih.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：为了识别 miR-34a 的潜在靶点，我们对 proneural TS543 GBM 细胞进行了转录谱分析，重点关注与对照寡核苷酸相比，转染 miR-34a 后水平下降的 mRNA。总体设计：使用 Hiperfect 转染试剂（Qiagen）将 100 nM hsa-miR-34a 或对照寡核苷酸转染到 proneural TS543 GBM 细胞中。3 天后，分离 RNA，并使用 Illumina HT-12 bead array 进行表达分析。微阵列数据集使用 Bioconductor 框架中‘lumi’包的方差稳定归一化（VSN）程序进行归一化。
【主题与分类】
主题标签：Transcriptome or Gene expression。本站分类：肿瘤/脑肿瘤。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/bioproject/PRJNA149773
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/bioproject/PRJNA149773
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
为鉴定miR-34a的潜在靶点，我们对前神经型TS543 GBM细胞进行了转录谱分析，重点关注与对照寡核苷酸相比，转染miR-34a后水平下降的mRNA。总体设计：使用Hiperfect转染试剂(Qiagen)将100 nM hsa-miR-34a或对照寡核苷酸转染至前神经型TS543 GBM细胞。3天后，分离RNA，并使用Illumina HT-12珠阵列进行表达分析。微阵列数据集使用Bioconductor框架中‘lumi’包的方差稳定归一化(VSN)程序进行归一化。
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。
