早期生活应激改变VTA染色质修饰以增强应激敏感性
该数据集来自NCBI GEO,标题为早期生活应激改变VTA染色质修饰以增强应激敏感性。研究结合自下而上质谱、病毒介导的表观基因组编辑、RNA测序、多巴胺神经元膜片钳电生理和行为定量,在小鼠早期生活应激模型中聚焦腹侧被盖区(VTA),发现早期生活应激改变VTA组蛋白动态

基本信息
资源简介
早期生活应激改变VTA染色质修饰以增强应激敏感性
Early-life stress alters chromatin modifications in VTA to prime stress sensitivity
该数据集来自NCBI GEO,标题为早期生活应激改变VTA染色质修饰以增强应激敏感性。研究结合自下而上质谱、病毒介导的表观基因组编辑、RNA测序、多巴胺神经元膜片钳电生理和行为定量,在小鼠早期生活应激模型中聚焦腹侧被盖区(VTA),发现早期生活应激改变VTA组蛋白动态。数据包含1个文件GSE324599_series_matrix.txt.gz,属于高通量测序表达谱,可用于研究应激敏感性相关的表观遗传与转录机制(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):早期生活应激会增加对后续应激的敏感性,这已在行为、神经活动和基因表达水平上被观察到。然而,这种持久敏感性背后的分子机制尚不清楚。我们检验了以下假设:转录和转录潜能的持续变化通过染色质改变在表观基因组水平上得以维持。我们结合自下而上质谱、病毒介导的表观基因组编辑、RNA测序、多巴胺神经元膜片钳电生理和行为定量,在小鼠早期生活应激模型中开展研究,聚焦于腹侧被盖区(VTA),这是一个在动机、奖赏学习、应激反应以及情绪和药物障碍中起关键作用的多巴胺能脑区。我们发现早期生活应激改变VTA中的组蛋白动态,包括富集
【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:GPL21103、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=GSE324599
【使用注意】
· 源站最后修改于 Sep 09 202,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=GSE324599
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
早期生活应激会增加个体对后续应激的敏感性,这一现象已在行为、神经活动和基因表达水平上被观察到。然而,这种持久敏感性背后的分子机制尚不清楚。我们检验了以下假说:转录及转录潜能的持久改变通过染色质的变化在表观基因组水平上得以维持。我们综合运用了自下而上质谱分析、病毒介导的表观基因组编辑、RNA测序、多巴胺神经元膜片钳电生理记录以及早期生活应激小鼠模型中的行为定量分析,重点关注腹侧被盖区(VTA)——一个在动机、奖赏学习、应激反应以及情绪和药物障碍中起关键作用的多巴胺能脑区。我们发现,早期生活应激改变了VTA中的组蛋白动态,包括组蛋白H3赖氨酸4单甲基化(与开放染色质及预激活或活跃增强子相关)以及H3K4单甲基化酶Setd7的富集。
通过出生后过表达Setd7并在VTA中富集H3K4me1来模拟早期生活应激,可使成年期应激的转录、生理和行为反应敏化,而敲低Setd7则减轻ELS的影响。这些发现将早期生活应激经历与大脑多巴胺能回路中的长期应激超敏性联系起来,提供了早期生活应激增加晚年情绪和焦虑障碍风险的机制。
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。




