猪背根神经节多模态Patch-seq神经元样本基因表达谱

该数据集来自猪背根神经节(DRG),通过结合电生理特征刻画与Patch-seq技术,捕获并分析了初级感觉神经元的转录组,重点关注与神经病理性疼痛持续相关的机械不敏感C纤维(CMis)

geo
浏览 18
基因组分类GPL325499823
GSE263466: Gene expression profiles from multimodal patch-seq neuron samples of the pig dorsal root ganglion

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-10

资源简介

猪背根神经节多模态Patch-seq神经元样本基因表达谱

Gene expression profiles from multimodal patch-seq neuron samples of the pig dorsal root ganglion

该数据集来自猪背根神经节(DRG),通过结合电生理特征刻画与Patch-seq技术,捕获并分析了初级感觉神经元的转录组,重点关注与神经病理性疼痛持续相关的机械不敏感C纤维(CMis)。数据包含单细胞转录组表达谱,可用于研究感觉生物学与疼痛机制,并为靶向治疗干预的开发提供资源(来源 NCBI)。

【数据集背景】

源站首次发布:Apr 08 202。

【数据内容】

源站描述(机器翻译,仅供参考):该数据集包含来源于猪背根神经节(DRG)的单细胞转录组图谱,旨在阐明与神经病理性疼痛相关的机械不敏感C纤维(CMis)的分子身份。通过一种将电生理特征刻画与Patch-seq相结合的新方法,我们成功捕获并分析了初级感觉神经元的转录组。这些神经元根据其电生理特性进行了表征,与人类CMis的特性相似,而人类CMis在神经病理性疼痛的持续中起关键作用。所呈现的数据集不仅丰富了我们对神经病理性疼痛细胞和分子图景的理解,也为靶向治疗干预的开发开辟了新途径。该数据集有望成为感觉生物学和疼痛领域研究人员的宝贵资源。

【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:GPL32549、9823。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=GSE263466

【使用注意】

· 源站最后修改于 Apr 10 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE263466

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集包含来自猪背根神经节(DRG)的单细胞转录组图谱,旨在阐明与神经病理性疼痛有关的机械不敏感C纤维(CMis)的分子特征。通过结合电生理学特征描述与Patch-seq的创新方法,我们成功捕获并分析了初级感觉神经元的转录组。这些神经元根据其电生理特性进行了表征,这些特性与人类CMis相似,后者在神经病理性疼痛的持续中起着关键作用。所呈现的数据集不仅增进了我们对神经病理性疼痛细胞和分子图景的理解,还为开发针对性治疗干预措施开辟了新途径。该数据集有望成为感觉生物学和疼痛神经科学领域研究人员的宝贵资源。

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。

获取专属数据定制方案