OP9-GFP或OP9-DLL1饲养层培养的CD34+胸腺细胞RNA测序
该数据集为在OP9-GFP或OP9-DLL1饲养层上培养的CD34+胸腺细胞的RNA测序数据,属于肿瘤/白血病分类,主题标签为Transcriptomics

基本信息
资源简介
OP9-GFP或OP9-DLL1饲养层培养的CD34+胸腺细胞RNA测序
该数据集为在OP9-GFP或OP9-DLL1饲养层上培养的CD34+胸腺细胞的RNA测序数据,属于肿瘤/白血病分类,主题标签为Transcriptomics。源站描述指出,研究旨在建立受Notch信号控制的长非编码RNA转录组图谱,通过药物抑制Notch后对CUTLL1细胞系进行RNA测序,并建立正常人类CD34+胸腺T细胞的类似Notch依赖谱。数据可用于分析Notch信号调控的蛋白编码基因与长非编码RNA转录反应(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):T细胞急性淋巴细胞白血病中的遗传学研究揭示了致癌突变和功能缺失突变的显著复杂性。在众多遗传改变中,NOTCH1激活突变作为最常发生的遗传缺陷脱颖而出,在超过50%的T细胞急性淋巴细胞白血病中被识别,支持该基因在T细胞急性淋巴细胞白血病肿瘤发生中的关键驱动作用。在本研究中,我们旨在建立一个受Notch信号控制的长非编码RNA转录组的综合汇编。为此,我们使用RNA测序测量了在人类T细胞急性淋巴细胞白血病细胞系CUTLL1中药物抑制Notch后所有蛋白编码基因和长非编码RNA的转录反应。类似的Notch依赖谱也在正常人类CD34+胸腺T细胞中建立。
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-62000
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-62000
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
T细胞急性淋巴细胞白血病的遗传学研究揭示了致癌突变和功能缺失突变的显著复杂性。在众多基因改变中,NOTCH1激活突变作为最常见的遗传缺陷脱颖而出,在超过50%的T细胞急性淋巴细胞白血病中被检出,支持该基因在T细胞急性淋巴细胞白血病肿瘤发生中的关键驱动作用。本研究旨在建立一个由Notch信号调控的长链非编码RNA转录组的综合汇编。为此,我们利用RNA测序技术,在人T细胞急性淋巴细胞白血病细胞系CUTLL1中,测量了药物性Notch抑制后所有蛋白编码基因和长链非编码RNA的转录反应。对于在体内暴露于Notch信号活性的正常人CD34+胸腺T细胞祖细胞,也建立了类似的Notch依赖性表达谱。
此外,我们从经GSI处理的T-ALL细胞系、离体分离的Notch活性CD34+和Notch非活性CD4+CD8+胸腺细胞,以及一个已知NOTCH1突变状态的15例T细胞急性淋巴细胞白血病患者原发队列中,生成了长非编码RNA表达谱(芯片数据)。将这些表达数据集与公开可用的Notch1 ChIP测序数据整合,鉴定出在正常和恶性T细胞环境中受Notch活性直接调控的长非编码RNA。鉴于Notch在T细胞急性淋巴细胞白血病肿瘤发生中的核心作用,这些数据为开发靶向人T细胞急性淋巴细胞白血病中过度活跃Notch1信号的新型治疗策略铺平了道路。将2名健康供者的CD34+细胞培养于OP9-GFP或OP9-DLL1饲养层上。
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。




