RBP-Jk基因体内外缺失后真皮成纤维细胞基因表达的整体变化
该数据集来自NCBI GEO,包含1个表达谱芯片文件,记录小鼠真皮成纤维细胞在体内和体外缺失RBP-Jk基因后的全基因组表达变化

基本信息
资源简介
RBP-Jk基因体内外缺失后真皮成纤维细胞基因表达的整体变化
Global changes in gene expression in dermal fibroblasts with in vivo and in vitro deletion of the RBP-Jk gene
该数据集来自NCBI GEO,包含1个表达谱芯片文件,记录小鼠真皮成纤维细胞在体内和体外缺失RBP-Jk基因后的全基因组表达变化。数据涉及间充质Notch/CSL信号缺失引发的真皮萎缩、炎症及上皮肿瘤发生,可用于研究肿瘤微环境与皮肤癌启动机制,并支持差异表达分析与分类模型构建(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 08 201。
【数据内容】
源站描述(机器翻译,仅供参考):目前尚不清楚多灶性上皮肿瘤周围的组织变化是癌症的原因还是结果。在此,我们提供证据表明,间充质Notch/CSL信号缺失引起组织改变,包括基质萎缩和炎症,这些改变先于上皮肿瘤发生并且是其强效触发因素。携带间充质特异性CSL/RBP-JK(一种关键Notch效应因子)缺失的小鼠表现出自发性多灶性角质形成细胞肿瘤,这些肿瘤在真皮萎缩和炎症之后发生。CSL缺陷的真皮成纤维细胞通过上调c-Jun和c-Fos表达,并 consequently 提高可扩散生长因子、炎性细胞因子和基质重塑酶的水平,促进肿瘤细胞增殖增加。在人类皮肤样本中,邻近皮肤鳞状细胞癌和多灶性癌前光化性角化病病变的基质区域 ex
【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:Expression profiling by array、GPL1261、10090。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE36359
【使用注意】
· 源站最后修改于 Feb 11 201,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=GSE36359
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
目前尚不清楚多灶性上皮肿瘤周围的组织改变是癌症的原因还是结果。在此,我们提供证据表明,间充质Notch/CSL信号缺失引起组织改变,包括基质萎缩和炎症,这些改变先于上皮肿瘤出现并且是其强有力的触发因素。携带间充质特异性CSL/RBP-JK(Notch的关键效应因子)缺失的小鼠表现出自发性多灶性角质形成细胞肿瘤,这些肿瘤在真皮萎缩和炎症之后发生。CSL缺陷的真皮成纤维细胞通过上调c-Jun和c-Fos表达,进而提高可扩散生长因子、炎性细胞因子和基质重塑酶的水平,促进肿瘤细胞增殖增加。在人类皮肤样本中,皮肤鳞状细胞癌和多灶性癌前光化性角化病病变邻近的基质区域表现出Notch/CSL信号降低及相关的分子改变。重要的是,这些基因表达变化也可由UVA诱导,UVA是已知的皮肤区域癌化和皮肤癌的环境病因。
我们利用微阵列技术详细分析了体内和体外RBP-Jk基因敲除的真皮成纤维细胞中基因表达的全局变化,并与相应的对照组进行了比较。
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。




