身痛逐瘀汤通过潜在靶向转录因子调控神经病理性疼痛大鼠背根神经节炎症基因表达
该数据集来自 NCBI GEO(GSE236592),包含 1 个文件,采用 RNA-seq 技术分析身痛逐瘀汤治疗神经病理性疼痛大鼠模型背根神经节的基因表达

基本信息
资源简介
身痛逐瘀汤通过潜在靶向转录因子调控神经病理性疼痛大鼠背根神经节炎症基因表达
Shentong zhuyu decoction treatments regulate expression of inflammatory gene by potentially targeting transcription factors in dorsal root ganglia of rats with neuropathic pain
该数据集来自 NCBI GEO(GSE236592),包含 1 个文件,采用 RNA-seq 技术分析身痛逐瘀汤治疗神经病理性疼痛大鼠模型背根神经节的基因表达。研究通过脊髓神经结扎(SNL)大鼠模型,筛选出 301 个差异表达基因(DEGs)和 14 个转录因子(TFs),并发现 14 个 TFs 与 170 个 DEGs 共表达,形成 715 个关系对。数据可用于探索身痛逐瘀汤调控炎症反应、凋亡、神经侵袭和神经毒性的潜在药理机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 05 202。
【数据内容】
源站描述(机器翻译,仅供参考):身痛逐瘀汤(STZYD)是一种中药方剂,广泛用于包括神经病理性疼痛(NPP)在内的多种疼痛性疾病。然而,STZYD 的潜在药理机制仍不清楚。本研究应用大鼠脊髓神经结扎(SNL)模型。然后,使用 RNA 测序(RNA-seq)筛选接受 STZYD 治疗的 NPP 模型大鼠与未接受 STZYD 治疗的大鼠之间的差异表达基因(DEGs),发现 301 个 DEGs 和 14 个转录因子(TFs)。TFs 的差异表达参与 NPP 的炎症反应、凋亡、神经侵袭和神经毒性。然后,分析了本项目获得的 DEGs 与这 14 个 TFs 之间的相关性。发现 14 个 TFs 和 170 个 DEGs 共表达,共有 715 个关系对。一些 DEGs 富集到多个炎症 im
【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:GPL25947、10116。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE236592
【使用注意】
· 源站最后修改于 Jul 03 202,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=GSE236592
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
身痛逐瘀汤(STZYD)是一种中药方剂,广泛应用于包括神经病理性疼痛(NPP)在内的多种疼痛性疾病。然而,STZYD的潜在药理机制仍不清楚。本研究采用大鼠脊神经结扎(SNL)模型,随后利用RNA测序(RNA-seq)筛选接受STZYD治疗的NPP模型大鼠与未接受STZYD治疗者之间的差异表达基因(DEGs),共发现301个DEGs和14个转录因子(TFs)。这些TFs的差异表达参与NPP的炎症反应、细胞凋亡、神经侵袭及神经毒性过程。随后,对本项目所获得的DEGs与这14个TFs之间的相关性进行分析,发现14个TFs与170个DEGs存在共表达,共形成715对关系对。部分DEGs富集于多个炎症免疫反应生物学过程。因此,我们推测免疫炎症相关TFs的差异表达可能通过转录调控其靶基因的差异表达,参与STZYD对NPP的治疗作用。
本研究的结果为进一步探索NPP的治疗靶点提供了参考。
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。




