大鼠脑样本在两个年龄组中对脑内出血反应的转录组分析
该数据集包含大鼠脑组织在脑内出血后的转录组数据，涉及13个月和22个月两个年龄组，数据模态为基因表达谱（RNA-seq），主要用于研究衰老如何影响脑内出血诱导的神经炎症反应和脑损伤机制，为探索抗干扰素γ治疗在神经保护中的应用提供实验依据。
基本信息
资源简介
大鼠脑样本在两个年龄组中对脑内出血反应的转录组分析
【数据集背景】
本数据集源站标题为《Transcriptome profiling of rat brain samples in two age groups in responding to intracerebral hemorrhage》。源站首次发布：2022-02-20。
【数据内容】
源站原始描述：Aging-induced decline of endogenous neuroprotection has been shown to aggravate intracerebral hemorrhage (ICH)-induced acute brain injury, however, the underlying mechanisms in brain are still little known. In this study, we applied a rat ICH model to study the transcriptional responses in the early and late aging (13-month and 22-month old) rats that show substantial differences in brain damage and recovery. Transcriptome analysis (RNA-seq) reveals that brain expression of neuroinflammation gen…
【主题与分类】
主题标签：cyclooxygenase、cytochrome P450、intracerebral hemorrhage、lipoxygenase、oxylipin.、cyclooxygenase、cytochrome P450、intracerebral hemorrhage、lipoxygenase、oxylipin.。
【获取与许可】
源站页面：http://data.iscr.ac.cn/Article?id=9668eadff71ed734cf0540701da8b1c8
使用许可：openSource。
规范引用：PMID: 33071720
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：http://data.iscr.ac.cn/Article?id=9668eadff71ed734cf0540701da8b1c8
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
该数据集是一个基于大鼠脑内出血（ICH）模型的转录组分析数据集，旨在研究衰老对脑损伤和恢复机制的影响。数据集包含13个月（中年）和22个月（老年）两个年龄组大鼠在ICH后的脑组织样本，通过RNA-seq技术获取转录组数据，揭示了神经炎症基因（特别是干扰素γ相关功能基因）在ICH后的选择性上调。数据来源于实验构建的动物模型，主要应用于神经科学、衰老研究和脑损伤机制探索，为开发抗IFN-γ治疗策略提供依据。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
