WT与GFAT-1 G451E工程化N2a细胞RNA-Seq转录组分析

该数据集来自NCBI,包含对携带GFAT-1功能获得性点突变(G451E氨基酸替换)的N2a细胞与野生型N2a细胞的转录组比较,每种细胞系各3个重复;此外野生型N2a细胞经10 mM GlcNAc处理24小时后也进行了转录组分析,形成第三组3个重复的数据

geo
浏览 8
基因组分类GPL1311210090
GSE140357: Transcriptome anaylisis of WT and GFAT-1 G451E engineered N2a cells by RNA-Seq

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-11

资源简介

WT与GFAT-1 G451E工程化N2a细胞RNA-Seq转录组分析

Transcriptome anaylisis of WT and GFAT-1 G451E engineered N2a cells by RNA-Seq

该数据集来自NCBI,包含对携带GFAT-1功能获得性点突变(G451E氨基酸替换)的N2a细胞与野生型N2a细胞的转录组比较,每种细胞系各3个重复;此外野生型N2a细胞经10 mM GlcNAc处理24小时后也进行了转录组分析,形成第三组3个重复的数据。数据通过高通量测序进行表达谱分析,物种为小鼠(10090),平台为GPL13112,共1个文件,可用于研究GFAT-1突变及GlcNAc处理对N2a细胞基因表达的影响(来源 NCBI)。

【数据集背景】

源站首次发布:Nov 13 201。

【数据内容】

源站描述(机器翻译,仅供参考):将携带GFAT-1功能获得性点突变(导致G451E氨基酸替换)的N2a细胞的转录组与野生型N2a转录组谱进行比较。分析了两种细胞系各三个重复。此外,野生型N2a细胞在转录组分析前用10 mM GlcNAc处理24小时,从而产生第三个数据集,包含3个重复。

【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:GPL13112、10090。本站分类:肿瘤/胚胎性肿瘤。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE140357

【使用注意】

· 源站最后修改于 Mar 02 202,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=GSE140357

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

携带GFAT-1功能获得性点突变(导致G451E氨基酸替换)的N2a细胞转录组与野生型N2a细胞转录组谱进行了比较。两种细胞系均进行了三次重复分析。此外,野生型N2a细胞在转录组分析前接受了10 mM GlcNAc处理24小时,由此产生了第三个数据集,包含3次重复。

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