运动前后人血清处理小鼠肠道腺瘤类器官的RNA-seq

该数据集来自 NCBI,为小鼠肠道腺瘤类器官经运动前后人血清刺激后的 RNA-seq 数据。类器官源自 Lgr5-creER;Apcfl/fl 小鼠模型,用六名参与者(三名年轻、三名年长)运动前或运动后即刻采集的 1% 人血清培养五天,随后提取总 RNA、构建 poly(A) 富集 mRNA 文库并

sra
浏览 7
基因组回归Other
PRJEB127880: RNA-seq of mouse intestinal adenoma organoids treated with pre- and post-exercise human serum

基本信息

模态
基因组
任务类型
回归
创建/更新时间
2026-10-21

资源简介

运动前后人血清处理小鼠肠道腺瘤类器官的RNA-seq

该数据集来自 NCBI,为小鼠肠道腺瘤类器官经运动前后人血清刺激后的 RNA-seq 数据。类器官源自 Lgr5-creER;Apcfl/fl 小鼠模型,用六名参与者(三名年轻、三名年长)运动前或运动后即刻采集的 1% 人血清培养五天,随后提取总 RNA、构建 poly(A) 富集 mRNA 文库并在 Illumina 平台测序,reads 比对到 Mus musculus GRCm38 参考基因组并定量转录本丰度。数据可用于分析运动诱导的循环因子对腺瘤类器官转录组的影响,并支持差异表达与基因集富集分析(来源 ncbi.nlm.nih.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):本实验研究了小鼠肠道腺瘤类器官对急性运动诱导的循环因子的转录组反应。源自 Lgr5-creER;Apcfl/fl 小鼠模型的肠道腺瘤类器官,用最大递增式骑行运动测试前或后即刻采集的 1% 人血清培养。来自六名参与者(包括三名年轻人和三名年长者)的配对运动前和运动后血清样本用于刺激类器官五天。随后分离总 RNA,制备 poly(A) 富集的 mRNA 文库并在 Illumina 平台上测序。Reads 比对到 Mus musculus GRCm38 参考基因组并定量转录本丰度。差异表达和基因集富集分析用于检查各年龄组内运动后与运动前血清的转录组反应。

【主题与分类】

主题标签:Other。本站分类:肿瘤/结肠癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/Traces/study?acc=PRJEB127880

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/Traces/study?acc=PRJEB127880

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

本实验研究了小鼠肠道腺瘤类器官对急性运动诱导的循环因子的转录组反应。来源于Lgr5-creER;Apcfl/fl小鼠模型的肠道腺瘤类器官与1%人血清共培养,该血清采集于最大递增 cycling 运动测试前或后即刻。使用来自六名参与者(包括三名年轻人和三名老年人)的配对运动前和运动后血清样本刺激类器官五天。随后提取总RNA,制备poly(A)富集的mRNA文库并在Illumina平台上测序。reads比对到Mus musculus GRCm38参考基因组并量化转录本丰度。采用差异表达和基因集富集分析来检查各年龄组内对运动后与运动前血清的转录组反应。

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