Midkine作为年龄相关变化及乳腺肿瘤发生增加驱动因素的数据集 [scRNA-seq]
该数据集来自NCBI,包含不同年龄大鼠乳腺的单细胞转录组(scRNA-seq)数据,并涉及用midkine处理年轻大鼠后的单细胞转录组分析
![GSE251834: Midkine as a driver of age-related changes and increase in mammary tumorigenesis [scRNA-seq]](/medical-api/medicalDataset/datasetCover/168104.jpg)
基本信息
资源简介
Midkine作为年龄相关变化及乳腺肿瘤发生增加驱动因素的数据集 [scRNA-seq]
Midkine as a driver of age-related changes and increase in mammary tumorigenesis [scRNA-seq]
该数据集来自NCBI,包含不同年龄大鼠乳腺的单细胞转录组(scRNA-seq)数据,并涉及用midkine处理年轻大鼠后的单细胞转录组分析。研究聚焦midkine作为基底上皮细胞分泌的生长因子,可能通过激活PI3K/AKT-SREBF1信号介导年龄相关乳腺变化及上皮细胞过度增殖。数据可用于探索衰老与乳腺癌易感性的分子机制、细胞类型组成变化及信号通路研究(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老是癌症的关键风险因素之一,尤其是在乳腺癌中,诊断的平均年龄为62岁。然而,衰老与乳腺癌易感性之间的复杂机制仍不清楚。在本研究中,我们描绘了不同年龄大鼠乳腺的基因表达(scRNA-seq)和染色质可及性(scATAC-seq)的综合单细胞图谱。在机制上,我们揭示了midkine,一种由基底上皮细胞分泌的生长因子,可能介导年龄相关的乳腺变化,作为验证,我们用midkine处理年轻大鼠一个月,并对这些乳腺进行了单细胞转录组分析。我们发现midkine可以通过激活PI3K/AKT-SREBF1信号在很大程度上介导衰老上皮细胞的转录转变和过度增殖。此外,我们发现衰老相关的积累
【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:GPL25947、10116。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE251834
【使用注意】
· 源站最后修改于 Jan 30 202,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=GSE251834
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
衰老是癌症的关键风险因素之一,尤其是在乳腺癌中,其诊断的平均年龄为62岁。然而,衰老与乳腺癌易感性之间的复杂机制仍不清楚。在本研究中,我们描绘了不同年龄大鼠乳腺组织的基因表达(scRNA-seq)和染色质可及性(scATAC-seq)的综合单细胞图谱。在机制上,我们揭示了中期因子(midkine)——一种由基底上皮细胞分泌的生长因子——可能介导了与年龄相关的乳腺变化。为验证这一点,我们用中期因子处理年轻大鼠一个月,并对这些乳腺组织进行了单细胞转录组分析。我们发现中期因子可通过激活PI3K/AKT-SREBF1信号通路在很大程度上介导衰老上皮细胞的转录转变和过度增殖。此外,我们发现衰老相关的中期因子积累可在很大程度上介导乳腺的衰老相关变化,并促进乳腺肿瘤的发生,这一点通过成熟的亚硝基-N-甲基脲(NMU)诱导的乳腺癌大鼠模型得到了证实。
我们的发现为乳腺衰老和肿瘤发生确定了一个有前景的生物标志物和干预靶点。
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。




