PRJNA644392:耳蜗毛细胞生物学衰老相关分子变化
该数据集来自 NCBI,围绕耳蜗毛细胞的生物学衰老展开,对 9 月龄和 26 月龄 CBA/J 小鼠的内毛细胞与外毛细胞分别进行细胞类型特异性转录组分析,用于揭示与衰老相关的基因和通路

基本信息
资源简介
PRJNA644392:耳蜗毛细胞生物学衰老相关分子变化
该数据集来自 NCBI,围绕耳蜗毛细胞的生物学衰老展开,对 9 月龄和 26 月龄 CBA/J 小鼠的内毛细胞与外毛细胞分别进行细胞类型特异性转录组分析,用于揭示与衰老相关的基因和通路。年龄相关性听力损失在 65 至 75 岁人群中比例可达 35% 至 50%,而耳蜗机械敏感毛细胞退化是其常见原因,其分子机制尚不清楚。数据可用于比较不同月龄、不同毛细胞类型的基因表达差异,筛选与毛细胞结构和功能相关的候选基因,为研究耳蜗衰老机制提供转录组资源(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):年龄相关性听力损失(ARHL)是一种随着人们年龄增长而发生的进行性感音神经性听力损失。在 65 至 75 岁人群中,多达 35% 至 50% 的人患有 ARHL。尽管中枢听觉系统的年龄相关变化可能导致听力损伤,但耳蜗中机械敏感毛细胞的退化是 ARHL 的普遍原因。毛细胞衰老的分子机制在很大程度上仍不清楚。为了提供耳蜗毛细胞中年龄相关基因和通路的全面数据集,我们分别收集了 9 月龄和 26 月龄 CBA/J 小鼠耳蜗中的内毛细胞和外毛细胞——这两种感觉受体细胞,并进行了细胞类型特异性转录组分析。我们的分析显示,与毛细胞结构和功能相关的基因表达显著降低,例如 Tmc1、Kcnq4、Kcnj13、Slc7a14、Slc17a8、Chrna9/Ch
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:耳及乳突疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA644392
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/bioproject/PRJNA644392
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
年龄相关性听力损失(ARHL)是一种随着人们年龄增长而发生的进行性感音神经性听力损失。65至75岁人群中,多达35%至50%患有ARHL。尽管中枢听觉系统的年龄相关变化可导致听力障碍,但耳蜗中机械敏感性毛细胞的退化是ARHL的普遍原因。毛细胞衰老的分子机制在很大程度上尚不清楚。为了提供毛细胞中年龄相关基因和通路的全面数据集,我们分别收集了9月龄和26月龄CBA/J小鼠耳蜗中的两种感觉受体细胞——内毛细胞和外毛细胞,并进行了细胞类型特异性转录组分析。我们的分析显示,与毛细胞结构和功能相关的基因表达显著降低,如Tmc1、Kcnq4、Kcnj13、Slc7a14、Slc17a8、Chrna9/Chrna10和Slc26a5。我们的毛细胞特异性转录组分析为耳蜗毛细胞生物学衰老的机制研究提供了丰富的资源。
总体设计:根据形态学特征,使用移液管抽吸技术,从9个月和26个月龄CBA小鼠的耳蜗中分别手动收集单个内毛细胞和外毛细胞。每个样本代表一个生物学重复,包含从6至18只小鼠(雌雄均有)耳蜗中收集的约1,000个毛细胞。
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。




