TMRM分选高低线粒体膜电位MLL-AF9白血病细胞RNA-seq数据
该数据集包含一项关于MLL-AF9驱动的小鼠急性髓系白血病(AML)中线粒体膜电位(MMP)异质性研究的RNA-seq处理后数据

基本信息
资源简介
TMRM分选高低线粒体膜电位MLL-AF9白血病细胞RNA-seq数据
该数据集包含一项关于MLL-AF9驱动的小鼠急性髓系白血病(AML)中线粒体膜电位(MMP)异质性研究的RNA-seq处理后数据
RNA-seq data of TMRM-sorted low/high mitochondrial membrane potential MLL-AF9 leukemia cells
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集包含一项关于MLL-AF9驱动的小鼠急性髓系白血病(AML)中线粒体膜电位(MMP)异质性研究的RNA-seq处理后数据。通过TMRM染色和荧光激活细胞分选(FACS)从YFP+ AML细胞中分离出低和高MMP的白血病细胞,并通过Illumina双端RNA测序(PE150)对转录组进行分析。样本 组织 MMP状态 小鼠配对 H8 骨髓 高 #8 L8 骨髓 低 #8 H14 脾脏 高 #14 L14 脾脏 低 #14 H17 脾脏 高 #17 L17 脾脏 低 #17 mRNA_read.count.txt — 基因水平原始read counts(Ensembl基因ID × 6个样本)mRNAexpression.TPM.xls — 基因水平TPM值(含基因符号)数据处理:由测序服务商完成(2023年):使用fastp进行接头修剪和质量控制;使用STAR比对到小鼠参考基因组(mm10)。
【主题与分类】
主题标签:白血病、MLL-AF9、线粒体膜电位、RNA-seq、TMRM分选、骨髓、脾脏。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.23307986
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23307986
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
该数据集包含一项关于MLL-AF9驱动的小鼠急性髓系白血病(AML)中线粒体膜电位(MMP)异质性的研究中的RNA-seq处理后数据。通过TMRM染色和荧光激活细胞分选(FACS),从YFP+ AML细胞中分离出低MMP和高MMP的白血病细胞,并使用Illumina配对末端RNA测序(PE150)对转录组进行了分析。样本 组织 MMP状态 小鼠配对 H8 骨髓 高 #8 L8 骨髓 低 #8 H14 脾脏 高 #14 L14 脾脏 低 #14 H17 脾脏 高 #17 L17 脾脏 低 #17 mRNA_read.count.txt —— 原始基因水平读取计数(Ensembl基因ID x 6个样本)mRNAexpression.TPM.xls —— 基因水平TPM值(含基因符号)数据处理:由测序服务提供商(2023年):使用fastp进行接头修剪和质量控制;使用STAR比对到小鼠参考基因组(mm10)。
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。




