代谢组学分析揭示Yashtimadhu在鱼藤酮诱导帕金森病细胞模型中的神经保护作用

本数据集来自omicsdi.org,属于神经系统疾病/帕金森病分类,主题标签为Proteomics。研究对分化IMR32细胞进行全局与靶向代谢组学分析,探究Yashtimadhu(Glycyrrhiza glabra L.)在鱼藤酮诱导帕金森病细胞模型中的神经保护机制

omicsdi
浏览 14
蛋白质分类Proteomics
Metabolomics analysis highlights Yashtimadhu (Glycyrrhiza glabra L.) mediated neuroprotection in a rotenone-induced cellular model of Parkinsons disease

基本信息

模态
蛋白质
任务类型
分类
创建/更新时间
2026-10-09

资源简介

代谢组学分析揭示Yashtimadhu在鱼藤酮诱导帕金森病细胞模型中的神经保护作用

本数据集来自omicsdi.org,属于神经系统疾病/帕金森病分类,主题标签为Proteomics。研究对分化IMR32细胞进行全局与靶向代谢组学分析,探究Yashtimadhu(Glycyrrhiza glabra L.)在鱼藤酮诱导帕金森病细胞模型中的神经保护机制。质谱数据在正负离子模式下分别获得2403和2934个对齐代谢物,其中正负极性分别有756和731个映射到已知代谢物,共获得1102个非冗余代谢物。该数据可用于代谢通路分析、神经保护机制研究及潜在生物标志物筛选(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):在本研究中,我们对分化的IMR32细胞进行了全局和靶向代谢组学分析,以研究Yashtimadhu(Glycyrrhiza glabra L.)在鱼藤酮诱导的帕金森病细胞模型中的神经保护机制。我们的质谱数据分别在正离子和负离子模式下突出显示了2403和2934个对齐的代谢物。在对齐的代谢物中,正极性有756个代谢物、负极性有731个代谢物被映射到已知代谢物,其余仍未分配。从正离子和负离子模式中共计分配了1102个非冗余代谢物。

【主题与分类】

主题标签:Proteomics。本站分类:神经系统疾病/帕金森病。

【获取与许可】

源站页面:https://omicsdi.org/dataset/massive/MSV000088036

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://omicsdi.org/dataset/massive/MSV000088036

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

在本研究中,我们对分化后的IMR32细胞进行了全局和靶向代谢组学分析,以研究Yashtimadhu(光果甘草)在鱼藤酮诱导的帕金森病细胞模型中的神经保护机制。我们的质谱数据分别在正离子模式和负离子模式下鉴定出2403和2934个对齐代谢物。在对齐的代谢物中,正极性模式下有756个代谢物、负极性模式下有731个代谢物被映射到已知代谢物,其余则未被注释。从正离子模式和负离子模式中总共鉴定出1102个非冗余代谢物。

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。

获取专属数据定制方案