GSE334356:体感回路结构与感觉神经元身份的演化解耦
该数据集来自 NCBI GEO(GSE334356),主题为体感回路结构与感觉神经元身份的演化解耦,采用高通量测序进行表达谱分析,平台为 GPL37077,共 1 个文件(GSE334356_series_matrix.txt.gz)

基本信息
资源简介
GSE334356:体感回路结构与感觉神经元身份的演化解耦
Evolutionary decoupling of somatosensory circuit architecture and sensory neuron identity
该数据集来自 NCBI GEO(GSE334356),主题为体感回路结构与感觉神经元身份的演化解耦,采用高通量测序进行表达谱分析,平台为 GPL37077,共 1 个文件(GSE334356_series_matrix.txt.gz)。研究以早期分化的脊椎动物小鳐(Leucoraja erinacea)为对象,结合分子谱分析、空间转录组学和胚胎学操作,揭示体感回路组织核心特征(如背侧脊髓层状组织和感觉传入的模态特异性靶向)高度保守,而定义感觉神经元亚型的分子程序(包括神经营养因子受体和转录因子编码)则广泛重排,并表明靶源线索调控分子程序。数据可用于比较不同物种体感系统分子与回路特征的演化关系研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 04 202。
【数据内容】
源站描述(机器翻译,仅供参考):保守的神经回路架构在多大程度上依赖于共享的分子特化程序仍不清楚。在此,我们利用小鳐(Leucoraja erinacea)——一种保留了有鳍和基于肢体两种体型祖先特征的早期分化脊椎动物——在脊椎动物体感系统中探讨这一问题。结合分子谱分析、空间转录组学和胚胎学操作,我们表明体感回路组织的核心特征——包括背侧脊髓的层状组织和感觉传入的模态特异性靶向——是深度保守的。相比之下,定义感觉神经元亚型的分子程序则被广泛重排,包括分化的神经营养因子受体和转录因子编码。我们证明靶源线索调控分子程序,并且是感觉所必需的
【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:GPL37077、7782。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=GSE334356
【使用注意】
· 源站最后修改于 Jul 28 202,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=GSE334356
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
保守神经环路架构在多大程度上依赖共享的分子特化程序仍不清楚。在此,我们利用小鳐(Leucoraja erinacea)——一种保留了有鳍和基于肢体两种体型祖先特征的早期分化脊椎动物——来研究脊椎动物躯体感觉系统中的这一问题。结合分子谱分析、空间转录组学和胚胎学操作,我们表明躯体感觉环路组织的核心特征——包括背侧脊髓的层状组织和感觉传入纤维的模式特异性靶向——是深度保守的。相比之下,定义感觉神经元亚型的分子程序则被广泛重构,包括趋异的神经营养因子受体和转录因子编码。我们证明靶源线索调控分子程序,并且是感觉神经元分化和环路组装所必需的。总之,这些发现支持一个模型,其中保守的环路架构提供了一个稳定的支架,利用灵活的分子程序来实现感觉系统的演化多样化。
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。




