GSE308873:ZMAT3 通过鞘脂代谢适应缓解范可尼贫血中的细胞死亡
该数据集来自 NCBI GEO,标题为 ZMAT3 通过鞘脂代谢适应缓解范可尼贫血中的细胞死亡,属于肿瘤/白血病相关表达谱研究

基本信息
资源简介
GSE308873:ZMAT3 通过鞘脂代谢适应缓解范可尼贫血中的细胞死亡
ZMAT3 alleviates cell death in Fanconi anemia via adaptation of sphingolipid metabolism
该数据集来自 NCBI GEO,标题为 ZMAT3 通过鞘脂代谢适应缓解范可尼贫血中的细胞死亡,属于肿瘤/白血病相关表达谱研究。数据包含 1 个文件(GSE308873_series_matrix.txt.gz),基于高通量测序表达谱分析,涉及人类样本(9606)及 GPL18573 平台。研究利用 FA 患者成纤维细胞和 Fancg KO 小鼠模型,结合转录组、脂质组和功能分析,揭示 ZMAT3 缺失导致鞘脂代谢改变、神经酰胺积累及 ASAH1 下调,并增加 DNA 损伤和铁死亡易感性。该数据可用于探索范可尼贫血向急性髓系白血病转化的分子适应机制及 ZMAT3 相关通路研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 23 202。
【数据内容】
源站描述(机器翻译,仅供参考):范可尼贫血(FA)的特征是 DNA 修复缺陷和慢性 p53 激活,因持续基因组不稳定而易患急性髓系白血病。慢性应激下使细胞存活的分子适应机制仍知之甚少。本研究探讨 ZMAT3(一种在 FA 缺陷细胞中过表达的 p53 响应 RNA 结合蛋白)的作用,以阐明其在细胞适应中的角色。利用 FA 患者成纤维细胞和 Fancg KO 小鼠模型,我们开展了转录组分析、脂质组学和功能分析。RNA-seq 和脂质组学分析揭示,ZMAT3 缺失后鞘脂代谢出现意外改变,与神经酰胺积累和 ASAH1(酸性神经酰胺酶)下调相关。在功能上,ZMAT3 缺失增加 DNA 损伤并增强铁死亡易感性,铁死亡是一种铁依赖性细胞死亡机制。在机制上,我们的
【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:GPL18573、9606。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=GSE308873
【使用注意】
· 源站最后修改于 Sep 21 202,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=GSE308873
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
范可尼贫血(FA)的特征是DNA修复缺陷和慢性p53激活,通过持续存在的基因组不稳定性易导致急性髓系白血病。细胞在慢性应激下得以存活的分子适应机制目前仍知之甚少。本研究探讨ZMAT3的作用——一种在FA缺陷细胞中过表达的p53响应性RNA结合蛋白——以阐明其在细胞适应中的作用。利用FA患者成纤维细胞和Fancg基因敲除小鼠模型,我们开展了转录组分析、脂质组学及功能分析。RNA-seq和脂质组学分析揭示,ZMAT3缺失后鞘脂代谢出现意外改变,与神经酰胺蓄积及ASAH1(酸性神经酰胺酶)下调相关。在功能上,ZMAT3缺失增加了DNA损伤并增强了铁死亡易感性——一种铁依赖性细胞死亡机制。在机制上,我们的结果表明ZMAT3促进ASAH1表达、限制神经酰胺蓄积并保护细胞免于铁死亡诱导的死亡,这可能参与白血病前克隆演化,并为FA相关恶性肿瘤的进一步探索指明了方向。
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。




