GSE113171:环境应激下多层调控图谱

该数据集来自 NCBI GEO,标题为 Mapping multi-layered regulation in response to environmental stress,聚焦宫颈癌细胞在 tunicamycin 处理下 8 小时时间进程中的转录与蛋白浓度变化,并补充核糖体与非核糖体蛋白的 R

geo
浏览 14
时间序列回归GPL167919606
GSE113171: Mapping multi-layered regulation in response to environmental stress

基本信息

模态
时间序列
任务类型
回归
创建/更新时间
2026-10-09

资源简介

GSE113171:环境应激下多层调控图谱

Mapping multi-layered regulation in response to environmental stress

该数据集来自 NCBI GEO,标题为 Mapping multi-layered regulation in response to environmental stress,聚焦宫颈癌细胞在 tunicamycin 处理下 8 小时时间进程中的转录与蛋白浓度变化,并补充核糖体与非核糖体蛋白的 RNA footprints,用于解析翻译及反式因子结合变化。数据包含 1 个文件 GSE113171_series_matrix.txt.gz,主题标签涉及高通量测序表达谱、GPL16791 平台和 9606 物种。可用于研究内质网应激与氧化应激等条件下信号通路在转录和翻译层面的时间依赖性调控(来源 NCBI)。

【数据集背景】

源站首次发布:Apr 16 201。

【数据内容】

源站描述(机器翻译,仅供参考):我们绘制了宫颈癌细胞在 tunicamycin 处理下 8 小时时间进程中转录本和蛋白质浓度的变化图谱。我们通过核糖体和非核糖体蛋白的 RNA footprints 补充该数据集,以确定翻译和反式因子结合的变化。本研究的目标是揭示在内质网应激和氧化应激等不同应激条件下,信号通路在转录和翻译层面随时间变化的复杂性。

【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:GPL16791、9606。本站分类:肿瘤/宫颈癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE113171

【使用注意】

· 源站最后修改于 Mar 27 201,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE113171

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

我们绘制了在衣霉素处理下,宫颈癌细胞在八小时时间过程中的转录本和蛋白质浓度变化图谱。我们通过核糖体及非核糖体蛋白的RNA足迹来补充这一数据集,以确定翻译和反式因子结合的变化。本研究旨在揭示在内质网应激和氧化应激等不同应激条件下,信号传导通路在转录和翻译层面随时间变化的复杂性。

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。

获取专属数据定制方案