伴大头畸形的自闭症谱系障碍遗传图谱及KMT2E变异功能研究
该数据集来自 NCBI GEO,围绕伴大头畸形的自闭症谱系障碍(ASD-M)展开,通过全外显子测序结合 OMIM 整合识别风险基因,并对三个新型 KMT2E 突变在 HEK293T 和 SH-SY5Y 细胞中进行功能验证

基本信息
资源简介
伴大头畸形的自闭症谱系障碍遗传图谱及KMT2E变异功能研究
Genetic landscape of Autism Spectrum Disorder with Macrocephaly and functional insights from KMT2E variants
该数据集来自 NCBI GEO,围绕伴大头畸形的自闭症谱系障碍(ASD-M)展开,通过全外显子测序结合 OMIM 整合识别风险基因,并对三个新型 KMT2E 突变在 HEK293T 和 SH-SY5Y 细胞中进行功能验证。转录组分析覆盖两个独立样本集:一名 KMT2E 突变携带者与一名神经典型对照的外周血,以及野生型与 KMT2E 突变型 SH-SY5Y 细胞。数据可用于研究 ASD-M 的遗传基础及 O'Donnell-Luria-Rodan 综合征的潜在致病机制(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):自闭症谱系障碍(ASD)的异质性使病因学研究复杂化。头围作为脑发育的直接临床指标,有助于研究伴大头畸形的 ASD(ASD-M)的遗传病因。本研究旨在描绘 ASD-M 的遗传图谱,并就罕见 KMT2E 突变导致的 O'Donnell-Luria-Rodan 综合征的致病机制提出假设。在 ASD-M 儿童中进行的全外显子测序通过 OMIM 整合识别出风险基因。同时,在 HEK293T 和 SH-SY5Y 细胞中对三个新型 KMT2E 突变进行了功能验证。对两个独立样本集进行了转录组分析:一名 KMT2E 突变携带者与一名神经典型对照的外周血,以及野生型与 KMT2E 突变型 SH-SY5Y 细胞。
【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:GPL34284、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=GSE348157
【使用注意】
· 源站最后修改于 Sep 29 202,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=GSE348157
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
自闭症谱系障碍(ASD)的异质性使病因学研究变得复杂。头围作为脑发育的直接临床指标,有助于研究伴巨头畸形的ASD(ASD-M)的遗传病因。本研究旨在描绘ASD-M的遗传图谱,并提出关于罕见KMT2E突变所致O’Donnell-Luria-Rodan综合征致病机制的假设。对ASD-M儿童进行的全外显子组测序通过整合OMIM识别出风险基因。同时,在HEK293T和SH-SY5Y细胞中对三种新的KMT2E突变进行了功能验证。对两个独立样本集进行了转录组学分析:一名KMT2E突变携带者与一名神经典型对照者的外周血,以及野生型与KMT2E突变型SH-SY5Y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。
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。




