GSE3537:缺氧
GSE3537 数据集来自 NCBI,主题为缺氧,属于肿瘤/乳腺癌分类。源站描述指出,研究利用 DNA 微阵列分析原代肾近端小管上皮细胞、乳腺上皮细胞、平滑肌和内皮细胞在缺氧条件下全局转录水平的时间变化,发现肾小管细胞的转录反应程度最大

基本信息
资源简介
GSE3537:缺氧
Hypoxia
GSE3537 数据集来自 NCBI,主题为缺氧,属于肿瘤/乳腺癌分类。源站描述指出,研究利用 DNA 微阵列分析原代肾近端小管上皮细胞、乳腺上皮细胞、平滑肌和内皮细胞在缺氧条件下全局转录水平的时间变化,发现肾小管细胞的转录反应程度最大。该数据包含 1 个文件(GSE3537_series_matrix.txt.gz),可用于研究不同细胞类型对缺氧的转录响应差异及其与组织、细胞特异性疾病的关联(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 31 200。
【数据内容】
源站描述(机器翻译,仅供参考):所有哺乳动物细胞都需要氧气。氧气不足(缺氧)会触发细胞反应以维持生存和稳态。转录因子缺氧诱导因子(HIF)在缺氧反应中起核心作用;其活性受 HIF-1a 蛋白氧依赖性降解的调控。尽管缺氧反应普遍存在且重要,但不同细胞类型之间对缺氧的全局转录反应差异及其与组织和细胞特异性疾病的联系仍知之甚少。我们用 DNA 微阵列分析了原代肾近端小管上皮细胞(RPTECs)、乳腺上皮细胞、平滑肌(SMs)和内皮细胞(ECs)在缺氧条件下全局转录水平的时间变化。对缺氧的转录反应程度在肾小管细胞中最大。这种夸大
【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:Expression profiling by array、GPL3017、9606。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=GSE3537
【使用注意】
· 源站最后修改于 Mar 16 201,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=GSE3537
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
所有哺乳动物细胞都需要氧气。氧气不足(缺氧)会触发细胞反应以促进生存和维持稳态。转录因子——缺氧诱导因子(HIF)在缺氧反应中起着核心作用;其活性受HIF-1a蛋白氧依赖性降解的调控。尽管缺氧反应普遍且重要,但不同细胞类型对缺氧的整体转录反应差异及其与组织和细胞特异性疾病的关联仍知之甚少。我们利用DNA微阵列分析了原代肾近端小管上皮细胞(RPTECs)、乳腺上皮细胞、平滑肌细胞(SMs)和内皮细胞(ECs)在缺氧条件下整体转录水平的时间变化。肾小管细胞对缺氧的转录反应程度最大。这种过度反应与肾细胞中HIF-1a RNA水平异常高有关,并且可以通过RNA干扰(RNAi)降低HIF-1a表达来减弱。
我们通过对培养的乳腺和肾小管上皮细胞的研究得出的缺氧反应基因表达特征,在几种人类癌症中显示出协调变异,并且是乳腺癌和卵巢癌临床结局的强预测因子。在对已发表的大型乳腺癌基因表达数据集进行分析时,我们发现缺氧特征中的预后信息几乎独立于先前报道的创伤特征所提供的信息,并且比当前使用的任何临床参数更能预测结局。刺激或应激实验设计类型是测试生物体对压力/刺激反应的设计。例如,渗透压应激、行为处理 关键词:stimulus_or_stress_design
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




