GSE328663:联合ASCL1与NEUROD1将人RPE重编程为不同谱系神经元
该数据集来自NCBI GEO,标题为联合ASCL1与NEUROD1将人RPE重编程为不同谱系神经元,包含1个文件(GSE328663_series_matrix.txt.gz),采用高通量测序进行表达谱分析,物种为9606(人),平台为GPL18573

基本信息
资源简介
GSE328663:联合ASCL1与NEUROD1将人RPE重编程为不同谱系神经元
Combining ASCL1 and NEUROD1 reprograms human RPE into neurons of distinct lineages
该数据集来自NCBI GEO,标题为联合ASCL1与NEUROD1将人RPE重编程为不同谱系神经元,包含1个文件(GSE328663_series_matrix.txt.gz),采用高通量测序进行表达谱分析,物种为9606(人),平台为GPL18573。研究基于分离的胎儿人RPE建立体外培养体系,并利用条形码多重单细胞RNAseq筛选将人RPE重编程为光感受器样状态的因子,鉴定出NEUROD1为互补因子。数据可用于研究RPE重编程为神经元的转录调控与细胞谱系转化(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):目前针对光感受器病变的治疗前景良好的方法很少:例如,增强或替换突变基因的基因疗法已在临床前研究中被证明成功,其中一些疗法正走向临床。另一种方法旨在释放非神经元视网膜细胞固有的干细胞潜能,以在原位再生神经元。这一研究方向基于以下发现:一些脊椎动物可以从RPE恢复甚至严重受损的视网膜,并具备恢复完整功能所需的所有细胞类型。在本研究中,我们首先建立了一个基于分离的胎儿人RPE的稳健体外培养系统。然后,我们采用基于条形码多重单细胞RNAseq的筛选来寻找可将人RPE重编程为光感受器样状态的因子。通过这种方法,我们能够鉴定出NEUROD1作为一个互补因子。
【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:GPL18573、9606。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=GSE328663
【使用注意】
· 源站最后修改于 Aug 05 202,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=GSE328663
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
目前,针对光感受器病变的治疗鲜有前景可观的方法:例如,通过基因治疗增强或替换突变基因,已在临床前研究中被证明成功,其中一些疗法正迈向临床。另一种方法旨在释放非神经元视网膜细胞固有的干细胞潜能,以在原位再生神经元。这一研究方向基于以下发现:某些脊椎动物甚至能够从RPE恢复严重受损的视网膜,并具备恢复完整功能所需的所有细胞类型。在本研究中,我们首先建立了一个基于分离的胎儿人RPE的稳健体外培养体系。随后,我们采用条形码多重单细胞RNA测序筛选方法,寻找能够将人RPE重编程为光感受器样状态的因子。通过这一方法,我们鉴定出NEUROD1是ASCL1的互补因子。二者联合过表达,并结合bFGF和Activin A抑制剂处理,可产生具有不同谱系特征性表达模式的RPE来源神经元细胞。
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。




