胶质引导驱动出生后肠道神经再支配的肠神经元研究
研究聚焦肠神经系统出生后可塑性,利用 BAF53b-Cre 选择性示踪,考察有丝分裂后肠神经元的再支配能力,涉及肠胶质细胞对神经突起复杂度和方向的引导作用,以及移植实验中的神经再整合与肌肉功能恢复

基本信息
资源简介
胶质引导驱动出生后肠道神经再支配的肠神经元研究
Glial Guidance Drives Postnatal Intestinal Reinnervation by Enteric Neurons
该数据集来自 NCBI GEO(GSE242208),包含 1 个文件(GSE242208_series_matrix.txt.gz),基于高通量测序的表达谱分析,物种为小鼠(10090),平台为 GPL17021。研究聚焦肠神经系统出生后可塑性,利用 BAF53b-Cre 选择性示踪,考察有丝分裂后肠神经元的再支配能力,涉及肠胶质细胞对神经突起复杂度和方向的引导作用,以及移植实验中的神经再整合与肌肉功能恢复。数据可用于肠神经系统再生与胶质引导机制的表达谱研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 01 202。
【数据内容】
源站描述(机器翻译,仅供参考):本研究探讨肠神经系统(ENS)出生后可塑性现象,具体研究有丝分裂后肠神经元的再支配潜力。采用 BAF53b-Cre 进行选择性示踪,在多种模型系统中展示了出生后肠神经元的再支配能力。去神经支配的肠神经元在体外表现出再生神经突的能力,神经突的复杂度和方向显著受与肠胶质细胞(EGCs)接触的影响。在体内,移植肠神经元的神经纤维仅与 EGCs 接触。在 Cre 依赖性消融肠神经元后,驻留 EGCs 得以维持,并通过再支配肠神经元来调控 ENS 的结构。移植实验强调了有丝分裂后神经元快速再整合和再支配的潜力,从而导致肌肉功能恢复。
【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:GPL17021、10090。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=GSE242208
【使用注意】
· 源站最后修改于 Feb 24 202,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=GSE242208
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
本研究探讨了肠神经系统(ENS)中出生后可塑性的现象,特别是研究了有丝分裂后肠神经元的重支配潜能。采用BAF53b-Cre进行选择性示踪,在多种模型系统中展示了出生后肠神经元的重支配能力。去神经支配的肠神经元在体外表现出再生神经突的能力,其神经突的复杂性和方向明显受到与肠胶质细胞(EGCs)接触的影响。在体内,移植肠神经元的神经纤维仅与EGCs相接触。在Cre依赖性消融肠神经元后,驻留的EGCs得以维持,并通过重新支配肠神经元来调控ENS的结构。移植实验强调了有丝分裂后神经元快速重新整合和重支配的潜能,从而在两周内恢复肌肉功能。光遗传学研究进一步通过移植分离的肠神经节阐明了时间依赖性的功能恢复。这些发现证明了有丝分裂后肠神经元的结构和功能重支配能力,并强调了EGCs的引导作用。
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。




