Nrf2结合位点全局图谱:通过ChIP-Seq分析和网络分析鉴定细胞存活反应中的新靶点
该数据集来源于omicsdi.org,主题标签为Genomics,属于神经系统疾病/其他分类。数据基于小鼠胚胎成纤维细胞(MEF),利用Keap1−/−(Nrf2组成型核积累)或Nrf2−/−(Nrf2缺失)细胞进行染色质免疫共沉淀并行测序(ChIP-Seq)及全局转录谱分析,旨在全局映射Nrf2转

基本信息
资源简介
Nrf2结合位点全局图谱:通过ChIP-Seq分析和网络分析鉴定细胞存活反应中的新靶点
该数据集来源于omicsdi.org,主题标签为Genomics,属于神经系统疾病/其他分类。数据基于小鼠胚胎成纤维细胞(MEF),利用Keap1−/−(Nrf2组成型核积累)或Nrf2−/−(Nrf2缺失)细胞进行染色质免疫共沉淀并行测序(ChIP-Seq)及全局转录谱分析,旨在全局映射Nrf2转录因子的结合位点,并鉴定细胞存活反应中的新靶点。可用于研究Nrf2在氧化和亲电应激响应、细胞保护基因激活及相关疾病模型中的调控机制(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):Nrf2(核因子E2 p45相关因子2)转录因子通过规避Keap1的抑制、易位至细胞核并激活细胞保护基因,来响应多种氧化和亲电环境应激。在小鼠模型中,Nrf2反应可提供针对化学致癌、慢性炎症、神经退行性变、肺气肿、哮喘和败血症的保护。Nrf2调控大量基因的表达,这些基因可解毒氧化剂和亲电试剂,并修复或清除受损大分子,例如通过蛋白酶体加工。然而,Nrf2的许多直接靶点仍未明确。在此,利用具有Nrf2组成型核积累(Keap1−/−)或Nrf2缺失(Nrf2−/−)的小鼠胚胎成纤维细胞(MEF),进行染色质免疫共沉淀并行测序(ChIP-Seq)和全局转录谱分析。这一uniq
【主题与分类】
主题标签:Genomics。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE87357
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://omicsdi.org/dataset/geo/GSE87357
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
Nrf2(核因子E2 p45相关因子2)转录因子通过规避Keap1的抑制、转位至细胞核并激活细胞保护基因,来响应多种氧化性和亲电性环境应激。在小鼠模型中,Nrf2反应能够提供针对化学致癌、慢性炎症、神经退行性变、肺气肿、哮喘和脓毒症的保护。Nrf2调控大量基因的表达,这些基因负责解毒氧化剂和亲电物质,并通过蛋白酶体加工等方式修复或清除受损的大分子。然而,Nrf2的许多直接靶标仍未明确。在此,利用具有Nrf2组成性核积累(Keap1−/−)或缺失(Nrf2−/−)的小鼠胚胎成纤维细胞(MEF),进行了染色质免疫沉淀并行测序(ChIP-Seq)及全局转录谱分析。这一独特的Nrf2 ChIP-Seq数据集高度富集Nrf2结合基序。通过整合ChIP-Seq和微阵列分析,我们鉴定出645个基础性和654个诱导性的Nrf2直接靶标,其中244个基因位于交集部分。
应激反应和细胞增殖中的调控通路区分了诱导型和基础型程序。结果在香烟烟雾暴露小鼠的体内应激模型中得到证实。本研究揭示了Nrf2应激反应的全局回路,强调Nrf2作为细胞存活反应的中心节点。
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。




