抗痉挛药物Drofenine作为Kv2.1通道抑制剂改善糖尿病小鼠周围神经病变
该数据集包含糖尿病周围神经病变小鼠模型的实验数据,涵盖基因表达、蛋白质水平、神经突生长、炎症、凋亡及线粒体功能等多模态生物指标,主要用于研究Kv2.1通道在糖尿病周围神经病变中的作用机制,并评估抗痉挛药物Drofenine通过抑制Kv2.1改善神经病变的潜在治疗效果,为神经科学和药物重定向研究提供支持。

基本信息
资源简介
抗痉挛药物Drofenine作为Kv2.1通道抑制剂改善糖尿病小鼠周围神经病变
【数据集背景】
本数据集源站标题为《Antispasmodic drug drofenine as an inhibitor of Kv2.1 channel ameliorates peripheral neuropathy in diabetic mice》。源站首次发布:2020-09-08。
【数据内容】
源站原始描述:Here, we report that the antispasmodic drug drofenine (Dfe) blocks Kv2.1 with an IC50 of 9.3 M, and in vivo treatment with Dfe suppresses mRNA and protein expression of Kv2.1 in DRG tissues of DPN mice and ameliorates DPN-like pathology. The underlying mechanisms have been intensively investigated by assay against the DPN mice with in vivo Kv2.1 knockdown injected with adeno associated virus AAV9-Kv2.1-RNAi. Streptozotocin (STZ) induced type 1 or db/db type 2 diabetic mice with DPN exhibited a…
【数据结构与技术规格】
文件数 210 个,合计 585.82 MB。数据集 DOI:10.17632/gmxth7wsh8.1。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/gmxth7wsh8
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://data.mendeley.com/datasets/gmxth7wsh8
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
该数据集聚焦于糖尿病周围神经病变(DPN)的机制与治疗研究,主要包含使用链脲佐菌素(STZ)诱导的1型糖尿病小鼠和db/db 2型糖尿病小鼠模型实验数据。数据内容涉及Kv2.1通道在背根神经节(DRG)组织中的表达水平、神经突生长情况、炎症反应(IκBα/NF-κB信号通路)、细胞凋亡(Bcl-2家族蛋白和Caspase 3)以及线粒体功能(Kv2.1/CaMKKβ/AMPK/PGC1α通路)等多方面指标。数据集通过体内实验验证了抗痉挛药物Drofenine(Dfe)对Kv2.1通道的抑制作用及其对DPN病理的改善效果,并利用腺相关病毒AAV9-Kv2.1-RNAi进行基因敲低验证。该数据集适用于神经科学、糖尿病并发症、离子通道药理学及药物重定向研究领域。
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。




