GSE49562:探索发育中内耳Pten缺陷相关基因表达
该数据集来自NCBI GEO,标题为探索发育中内耳Pten缺陷相关基因表达,采用微阵列表达谱分析Pten缺陷小鼠E14.5内耳组织,通过SAM分析以FDR为零标准鉴定出46个显著差异表达基因,并用RT-PCR和原位杂交验证候选基因表达水平与表达区域,进一步用IPA分析差异基因相关信号网络

基本信息
资源简介
GSE49562:探索发育中内耳Pten缺陷相关基因表达
Exploring the gene expression associated with Pten deficiency in the developing inner ear
该数据集来自NCBI GEO,标题为探索发育中内耳Pten缺陷相关基因表达,采用微阵列表达谱分析Pten缺陷小鼠E14.5内耳组织,通过SAM分析以FDR为零标准鉴定出46个显著差异表达基因,并用RT-PCR和原位杂交验证候选基因表达水平与表达区域,进一步用IPA分析差异基因相关信号网络。数据可用于研究PTEN在内耳发育中维持听觉神经元存活与精确神经支配的作用,以及筛选与听觉神经元维持相关的基因和信号通路(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 05 201。
【数据内容】
源站描述(机器翻译,仅供参考):在我们最近的研究中,我们报道了磷酸酶和张力蛋白同源物(PTEN)在内耳发育过程中的功能。PTEN是神经元维持所必需的,例如神经元存活和毛细胞的精确神经支配。为了更好地理解与听觉神经元维持相关的基因和信号网络,我们使用微阵列分析检查了E14.5时Pten缺陷小鼠中差异表达基因(DEGs)的谱。我们使用微阵列显著性分析(SAM)以等于零的错误发现率(FDR)鉴定了46个统计学显著的DEGs。在DEGs中,候选基因的表达水平和表达结构域分别通过定量实时聚合酶链反应(RT-PCR)和原位杂交进行了验证。使用DEGs的Ingenuity通路分析(IPA)鉴定了与
【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:Expression profiling by array、GPL6885、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=GSE49562
【使用注意】
· 源站最后修改于 Oct 22 201,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=GSE49562
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
在我们最近的研究中,我们报道了磷酸酶及张力蛋白同源物(PTEN)在内耳发育过程中的功能。PTEN对于神经元的维持是必需的,例如神经元的存活以及对毛细胞的精确神经支配。为了更好地理解与听觉神经元维持相关的基因和信号网络,我们利用微阵列分析检测了E14.5期Pten缺陷小鼠中差异表达基因(DEGs)的表达谱。我们采用微阵列显著性分析(SAM)方法,在错误发现率(FDR)等于零的条件下,鉴定出46个具有统计学显著性的DEGs。在这些DEGs中,候选基因的表达水平及表达区域分别通过定量实时聚合酶链反应(RT-PCR)和原位杂交进行了验证。利用DEGs进行的Ingenuity通路分析(IPA)识别出与细胞运动和轴突导向相关的重要信号网络。显著的网络揭示,Spp1介导的细胞运动以及G蛋白信号4(RGS4)-Akt与轴突导向相关。
该结果与Pten条件性敲除(cKO)小鼠螺旋神经节的表型缺陷一致(例如,螺旋神经节异常迁移和神经炎不规则形成)。基于此研究,我们提出由Spp1和RGS4介导的两个关键调控信号网络,它们可能在发育中的听觉神经元分化过程中发挥潜在作用。
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。




