影响秀丽隐杆线虫寿命生物标志物基因表达个体间变异的数据
该数据集来自 Dryad,围绕遗传背景相同的秀丽隐杆线虫在均一环境中表现出的定量表型差异展开。研究关注由 hsp-16.2 启动子驱动表达的 GFP 作为寿命生物标志物,其表达差异可预测个体寿命差异

基本信息
资源简介
影响秀丽隐杆线虫寿命生物标志物基因表达个体间变异的数据
Data from: Caenorhabditis elegans genes affecting interindividual variation in life-span biomarker gene expression
该数据集来自 Dryad,围绕遗传背景相同的秀丽隐杆线虫在均一环境中表现出的定量表型差异展开。研究关注由 hsp-16.2 启动子驱动表达的 GFP 作为寿命生物标志物,其表达差异可预测个体寿命差异。数据涉及热感觉神经元与胰岛素信号系统对热休克反应及 hsp-16.2 报告基因表达变异的影响,并包含 AFD 热感受器相关遗传实验。可用于研究生物标志物基因表达个体间变异的遗传与神经调控机制(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2017。
【数据内容】
源站描述(机器翻译,仅供参考):在均一环境中生长的遗传上相同的生物体在定量表型上存在差异。其中一个此类性状的差异,即单个生物标志物基因的表达,可以识别出随后表现出不同命运的等基因细胞或生物体。例如,在年轻成年秀丽隐杆线虫的等基因群体中,由 hsp-16.2 启动子表达的绿色荧光蛋白(GFP)的差异可预测寿命差异。因此,确定生物标志物基因表达的个体间差异如何产生是令人关注的。此前的报告显示,热感觉神经元和胰岛素信号系统控制热休克反应的幅度,包括 hsp-16.2 的绝对表达。在这里,我们测试了这些调控信号是否也可能影响 hsp-16.2 报告基因表达的变异。遗传实验表明,AFD 热感受器
【主题与分类】
主题标签:Caenorhabditis elegans。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.m55h6
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.m55h6
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:
数据集大小约 121.3 KB。
数据说明
遗传上相同的生物体在相同环境中表现出数量表型的差异。在某一此类性状中,单个生物标志基因的表达差异能够识别出随后命运不同的同基因细胞或生物体。例如,在年轻成年秀丽隐杆线虫的同基因群体中,由hsp-16.2启动子表达的绿色荧光蛋白差异预示着寿命的差异。因此,探究生物标志基因表达的个体间差异如何产生具有重要意义。先前报道显示,温度感知神经元和胰岛素信号系统控制热休克反应的幅度,包括hsp-16.2的绝对表达量。在此,我们测试了这些调节信号是否也可能影响hsp-16.2报告基因表达的变异。遗传实验表明,AFD温度感知神经元的作用增加了生物标志表达的个体间变异。
进一步的基因实验表明,胰岛素信号系统作用于降低寿命生物标志物表达上的个体间差异;换言之,胰岛素信号使hsp-16.2驱动的寿命生物标志物表达趋于一致。我们的研究结果显示,特定的信号系统不仅调控表达水平,还调控寿命生物标志物基因个体间表达变异的程度。这些发现提出了一种可能性,即通过操纵这些系统,或许能为减少衰老过程中的异质性提供手段。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




