GSE305770:全转录组分析揭示痛性糖尿病周围神经病变大鼠背根神经节的关键调控网络和潜在治疗靶点
研究首次系统描绘 DRG 的 mRNA–lncRNA–miRNA 相互作用网络,揭示炎症信号、神经营养因子缺乏、代谢重编程和离子通道异常在 PDPN 发病中的作用,并提出多个潜在分子靶点,可用于 PDPN 早期诊断与精准治疗相关靶点预测研究(来源 NCBI)

基本信息
资源简介
GSE305770:全转录组分析揭示痛性糖尿病周围神经病变大鼠背根神经节的关键调控网络和潜在治疗靶点
Full transcriptome analysis reveals key regulatory networks and potential therapeutic targets of dorsal root ganglion in rats with painful diabetic peripheral neuropathy
该数据集来自 NCBI GEO(GSE305770),包含 1 个文件 GSE305770_series_matrix.txt.gz,为痛性糖尿病周围神经病变(PDPN)大鼠模型背根神经节(DRG)的全转录组表达谱数据,采用高通量测序(GPL25947,大鼠 10116)。研究首次系统描绘 DRG 的 mRNA–lncRNA–miRNA 相互作用网络,揭示炎症信号、神经营养因子缺乏、代谢重编程和离子通道异常在 PDPN 发病中的作用,并提出多个潜在分子靶点,可用于 PDPN 早期诊断与精准治疗相关靶点预测研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):痛性糖尿病周围神经病变(PDPN)是糖尿病常见且高度致残的并发症,其机制尚未完全阐明,也缺乏有效的治疗方法。背根神经节(DRG)在 PDPN 的发生和发展中起核心作用。本研究首次系统描绘了 PDPN 大鼠模型 DRG 的 mRNA–lncRNA–miRNA 相互作用网络,揭示了炎症信号、神经营养因子缺乏、代谢重编程和离子通道异常在 PDPN 发病中的重要作用,并提出多个潜在分子靶点,为 PDPN 的早期诊断和精准治疗提供理论依据和实验支持。
【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=GSE305770
【使用注意】
· 源站最后修改于 Feb 01 202,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=GSE305770
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
痛性糖尿病周围神经病变(PDPN)是糖尿病常见且高度致残的并发症,其机制尚未完全阐明,且缺乏有效的治疗方法。背根神经节(DRG)在PDPN的发生发展中发挥核心作用。本研究首次系统描绘了PDPN大鼠模型DRG的mRNA–lncRNA–miRNA相互作用网络,揭示了炎症信号、神经营养因子缺乏、代谢重编程及离子通道异常在PDPN发病中的重要作用,并提出多个潜在分子靶点,为PDPN的早期诊断和精准治疗提供了理论依据与实验支持。
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。




