高脂饮食对OP与OR大鼠乳腺上皮的影响
该数据集来自 omicsdi.org,属于肿瘤/乳腺癌分类,主题为转录组学。研究以肥胖易感(OP)与肥胖抵抗(OR)雌性断乳大鼠为模型,分别喂食低脂(10% kcal)或高脂(39% kcal)n-6 多不饱和红花籽油饮食 30 天,在出生后第 50 天对显微切割的乳腺上皮进行全基因表达谱分析,另一

基本信息
资源简介
高脂饮食对OP与OR大鼠乳腺上皮的影响
该数据集来自 omicsdi.org,属于肿瘤/乳腺癌分类,主题为转录组学。研究以肥胖易感(OP)与肥胖抵抗(OR)雌性断乳大鼠为模型,分别喂食低脂(10% kcal)或高脂(39% kcal)n-6 多不饱和红花籽油饮食 30 天,在出生后第 50 天对显微切割的乳腺上皮进行全基因表达谱分析,另一队列给予 DMBA 或溶剂对照并持续监测体重与摄食。数据可用于探讨高脂饮食、体重增加与乳腺致癌作用之间的交互关系(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:绝经后肥胖是公认的乳腺癌危险因素。高脂饮食的摄入已知与肥胖高度相关。在本研究中,我们试图利用与人类疾病直接相关的肥胖抵抗和肥胖易感大鼠模型,评估高脂饮食、体重增加与乳腺癌发生之间的交互作用。方法:雌性肥胖易感(OP)和肥胖抵抗(OR)断乳大鼠分别喂食低脂(10% kcal)或高脂(39% kcal)n-6 多不饱和(PUFA)红花籽油饮食 30 天。在出生后第 50 天(PND 50),对一组大鼠显微切割的乳腺上皮进行全基因表达谱分析,另一组大鼠给予单次口服灌胃 7,12-二甲基苯并[a]蒽(DMBA,14 mg/kg)或溶剂对照。随后大鼠维持原饮食,并监测体重、摄食
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-21150
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-21150
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
背景:绝经后肥胖是乳腺癌的既定危险因素。已知高脂饮食的摄入与肥胖高度相关。在此,我们试图利用与人类疾病直接相关的肥胖抵抗型和肥胖易感型大鼠模型,评估高脂饮食、体重增加与乳腺癌发生之间的相互作用。方法:将雌性肥胖易感型(OP)和肥胖抵抗型(OR)断奶大鼠分别喂食低脂(10%千卡)或高脂(39%千卡)n-6多不饱和脂肪酸(PUFA)红花饲料30天。在出生后第50天(PND 50),对一组大鼠显微切割的乳腺上皮进行全基因表达谱分析,另一组大鼠则给予单次口服灌胃7,12-二甲基苯并[a]蒽(DMBA,14 mg/kg)或溶剂对照。随后大鼠继续维持相应饮食,每周监测体重、食物消耗及乳腺病变的发展情况。结果:喂食39%红花饲料的DMBA处理OR大鼠,其导管原位癌(DCIS)病变发生率显著高于喂食10%红花饲料的DMBA处理OR大鼠,且DCIS多发性也显著增加。
这些差异在OP品系中未见。对高脂饮食OR大鼠乳腺导管上皮的基因表达分析显示,与食用低脂红花饮食的大鼠相比,增殖相关基因显著上调。同样,这些差异在OP品系中未见。结论:我们的研究结果表明,食用高脂红花饮食通过增加暴露时乳腺上皮的增殖,促进OR大鼠品系的乳腺癌发生,但在OP大鼠品系中则不然。因此,饮食诱导的敏感性增加具有品系特异性,且与体重增加或肥胖程度无关。雌性肥胖易感(OP)和肥胖抵抗(OR)断奶大鼠分别被置于低脂(10%千卡)或高脂(39%千卡)饮食条件下
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。




