人类骨髓与脂肪组织来源基质细胞的分子谱分析
该数据集来自 NCBI,主题为转录组或基因表达,聚焦人类骨髓与脂肪组织来源基质细胞的分子谱比较。源站描述指出,研究旨在比较 AT 与 BM 来源基质细胞的全基因组表达谱,强调 MSC 干性核心,并关注 ATSC 的分子特征,识别出 190 个基因的重叠数据集

基本信息
资源简介
人类骨髓与脂肪组织来源基质细胞的分子谱分析
该数据集来自 NCBI,主题为转录组或基因表达,聚焦人类骨髓与脂肪组织来源基质细胞的分子谱比较。源站描述指出,研究旨在比较 AT 与 BM 来源基质细胞的全基因组表达谱,强调 MSC 干性核心,并关注 ATSC 的分子特征,识别出 190 个基因的重叠数据集。数据可用于基质细胞分子特征与间充质干细胞干性相关研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):迄今为止,骨髓(BM)一直被视为基质细胞(SC,最初称为间充质干细胞)的参考来源。最近,人类成人脂肪组织(AT)已被报道为分离具有间充质样表型细胞的宝贵来源。尽管 BM 和 AT 来源的基质细胞(BMSC 和 ATSC)具有相似的免疫表型并在体外表现出多向分化潜能,但特定的共识标志物组合仍存在争议,且调控其分化命运的确切分子机制尚未完全清楚。本研究的目的是比较从 AT 和 BM 分离的基质细胞的全基因组表达谱,并强调 MSC 干性特性的核心。此外,我们关注 ATSC 的分子特征,试图揭示其特异性特征。我们鉴定了一个重叠数据集,包含 190 个共同基因
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA102389
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/bioproject/PRJNA102389
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
迄今为止,骨髓(BM)一直被视为基质细胞(SC)——最初被称为间充质干细胞——的参考来源。近期有报道指出,成人脂肪组织(AT)也是分离具有间充质样表型细胞的宝贵来源。尽管骨髓和脂肪组织来源的基质细胞(BMSC和ATSC)具有相似的免疫表型,并在体外展现出多向分化潜能,但关于特异性标志物的共识性面板仍存争议,且调控其分化命运的确切分子机制尚未完全明了。本研究旨在比较从AT和BM中分离的基质细胞的基因组范围表达谱,并强调MSC干性特性的核心。此外,我们聚焦于ATSC的分子特征,试图揭示其特异性特点。我们鉴定出一个由ATSC和BMSC共同调控的190个基因的重叠数据集。在此基础上,我们能够归类出6个关键的生物学家族,这些可被视为一种干性签名,构成了自我更新潜力及生成祖细胞能力的基础。
尤其值得注意的是,本研究揭示了信号通路以及众多转录调节因子表达所发挥的关键作用。在ATSC中特异性受调控的基因表明,这些细胞具有抗氧化和神经保护特性。综上所述,这些结果为理解MSC维持的分子基础提供了新的线索,并表明ATSC具有有趣的特性,可能对若干潜在的临床应用有用。关键词:基因组图谱 总体设计:骨髓和脂肪组织样本分别取自四名长期无病的霍奇金淋巴瘤患者(随访调查期间)和四名接受部分腹壁成形术的患者。此外,本研究还使用了一种细胞系(MRC-5细胞)作为对照,以排除参与稳态的基因。
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。




