GSE334571:气液界面人肺泡细胞系博来霉素暴露的RNA测序与RRBS分析
该数据集来自NCBI GEO,包含1个文件(GSE334571_series_matrix.txt.gz),针对非致瘤性单克隆人肺泡上皮细胞系Arlo在气液界面暴露于亚致死浓度博来霉素(0、20、60、100 µg/mL)后的RNA测序与RRBS分析数据

基本信息
资源简介
GSE334571:气液界面人肺泡细胞系博来霉素暴露的RNA测序与RRBS分析
RNA Sequencing and RRBS Analysis of a Human In Vitro Alveolar Cell Line at the Air–Liquid Interface Exposed to Bleomycin
该数据集来自NCBI GEO,包含1个文件(GSE334571_series_matrix.txt.gz),针对非致瘤性单克隆人肺泡上皮细胞系Arlo在气液界面暴露于亚致死浓度博来霉素(0、20、60、100 µg/mL)后的RNA测序与RRBS分析数据。数据整合功能、转录组和表观基因组终点,可用于剂量依赖性转录组特征建模、博来霉素诱导上皮损伤机制研究,以及与小鼠模型和人类肺纤维化患者活检数据的比较分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 05 202。
【数据内容】
源站描述(机器翻译,仅供参考):一种非致瘤性、单克隆肺肺泡上皮细胞系(Arlo),能够形成紧密的单层屏障,在气液界面(ALI)暴露于亚致死浓度(0、20、60、100 µg/mL)的促纤维化剂博来霉素,并使用整合功能、转录组和表观基因组终点的NAM工作流程进行评估。转录组特征的剂量依赖性建模重现了博来霉素诱导上皮损伤的已知机制,与纤维化AOP中的早期关键事件一致,从而能够预测下游不良结局。博来霉素暴露的上皮细胞转录组特征还与博来霉素暴露小鼠模型的公开数据进行了比较,该比较是在人类肺纤维化患者活检公开数据的基于网络的表示上分层进行的。体外Arlo NAM的表现与
【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:GPL34284、9606。本站分类:肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE334571
【使用注意】
· 源站最后修改于 Oct 07 202,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=GSE334571
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
一种非致瘤性单克隆肺肺泡上皮细胞系(Arlo),能够形成紧密的单层屏障,在气液界面(ALI)暴露于亚致死浓度(0、20、60、100 µg/mL)的促纤维化剂博来霉素,并使用整合了功能、转录组和表观基因组终点的NAM工作流程进行评估。转录组特征的剂量依赖性建模重现了博来霉素诱导上皮损伤的已知机制,与纤维化AOP中的早期关键事件一致,从而能够预测下游的不良结局。还将博来霉素暴露的上皮细胞转录组特征与博来霉素暴露小鼠模型的公开可用数据进行了比较,并将其叠加在人类肺纤维化患者活检公开可用数据的基于网络的表示之上。体外Arlo NAM的表现与小鼠模型相当,尤其是在观察急性暴露环境下对细胞外基质(ECM)重塑的影响方面。
表观基因组分析还识别出与上皮-间质转化(EMT)相关的甲基化改变,提示亚致死性暴露后可能通过表观遗传调控实现长期的基因表达调节。关键的转录组和细胞因子表达反应在独立实验中得到了验证,并显示在去除暴露后6天仍然存在,表明存在持续的促纤维化特征。
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。




