GSE283782:PML对神经干细胞分化、应激耐受及线粒体完整性的关键作用
该数据集来自NCBI GEO,包含高通量测序表达谱数据,用于研究PML蛋白缺失对神经干细胞基因表达的影响。数据覆盖PML缺失后mTOR通路激活、蛋白翻译增强、自噬与蛋白酶体活性受损、线粒体完整性破坏等分子与细胞表型,可用于分析PML在神经发育及相关信号通路中的调控作用,并支持肿瘤/白血病领域的比较研

基本信息
资源简介
GSE283782:PML对神经干细胞分化、应激耐受及线粒体完整性的关键作用
PML is crucial for neural stem cell differentiation, stress tolerance and mitochondrial integrity
该数据集来自NCBI GEO,包含高通量测序表达谱数据,用于研究PML蛋白缺失对神经干细胞基因表达的影响。数据覆盖PML缺失后mTOR通路激活、蛋白翻译增强、自噬与蛋白酶体活性受损、线粒体完整性破坏等分子与细胞表型,可用于分析PML在神经发育及相关信号通路中的调控作用,并支持肿瘤/白血病领域的比较研究(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤抑制因子早幼粒细胞白血病蛋白(PML)在大脑发育中具有重要作用;然而,PML在神经元细胞中调控的分子和细胞通路仍很大程度上未知。为解决这一问题,我们分析了神经干细胞中PML缺失引起的基因表达变化。我们的发现揭示,PML缺陷细胞表现出mTOR(哺乳动物雷帕霉素靶蛋白)通路激活和蛋白翻译增加,以及自噬和蛋白酶体活性受损,导致聚集体形成增加和应激诱导的死亡。PML缺失破坏了线粒体完整性,导致呼吸、膜电位、形态受损以及活性氧产生增加。这些线粒体缺陷由PGC-1α表达和PPARγ(过氧化物酶体增殖物激活受体γ)信号减弱引起,并且可以
【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:GPL19057、10090。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE283782
【使用注意】
· 源站最后修改于 Feb 25 202,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=GSE283782
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
肿瘤抑制因子早幼粒细胞白血病蛋白(PML)在大脑发育中具有重要作用;然而,PML在神经元细胞中调控的分子和细胞通路在很大程度上仍不清楚。为解决这一问题,我们分析了神经干细胞中PML缺失引起的基因表达变化。我们的研究结果显示,PML缺陷细胞表现出mTOR(哺乳动物雷帕霉素靶蛋白)通路活化和蛋白翻译增强,以及自噬和蛋白酶体活性受损,导致聚集体形成增加和应激诱导的死亡。PML缺失破坏了线粒体完整性,导致呼吸、膜电位、形态受损以及活性氧产生增加。这些线粒体缺陷是由PGC-1α表达和PPARγ(过氧化物酶体增殖物激活受体γ)信号减弱引起的,并且可以通过使用PPAR激动剂逆转。总之,我们的结果表明PML是神经元存活和应激保护的关键调控因子。我们提出,增强PML表达可能为神经系统疾病提供治疗益处。
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。




