抑制MYOCD/SRF介导的CDKN1A转录减轻OVA诱导哮喘小鼠气道重塑
该数据集来自OVA致敏和激发C57BL/6小鼠哮喘模型,包含肺功能指标、组织学形态计量、转录组(RNA-seq)以及RT-qPCR、Western blot和ChIP-qPCR等多维分子验证数据

基本信息
资源简介
抑制MYOCD/SRF介导的CDKN1A转录减轻OVA诱导哮喘小鼠气道重塑
Inhibition of MYOCD/SRF‑mediated CDKN1A Transcription Attenuates Airway Remodeling in OVA-induced Asthmatic Mice
该数据集来自OVA致敏和激发C57BL/6小鼠哮喘模型,包含肺功能指标、组织学形态计量、转录组(RNA-seq)以及RT-qPCR、Western blot和ChIP-qPCR等多维分子验证数据。实验设计涵盖溶剂对照、未治疗哮喘模型和MYOCD特异性抑制剂CCG-100602治疗组。数据可用于解析MYOCD/SRF转录复合物通过直接上调CDKN1A驱动气道重塑的分子机制,并评估靶向阻断MYOCD对病理结构改变的缓解作用,为哮喘气道病理的下游调控网络提供分子证据(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):我们假设MYOCD/SRF转录复合物通过直接上调细胞周期调节因子CDKN1A驱动哮喘气道重塑,并且靶向药理学阻断MYOCD将减轻这些病理性结构变化。我们的数据集包括肺功能指标、组织学形态计量、转录组谱(RNA-seq)以及多维分子验证(RT-qPCR、Western blot和ChIP-qPCR)。这些数据是从体内C57BL/6小鼠哮喘模型(OVA致敏和激发)中精心收集的。实验设计包括溶剂对照、未治疗哮喘模型和给予特异性MYOCD抑制剂CCG-100602的治疗组。研究人员可以将该数据集解释和利用为定义MYOCD在气道病理中特定下游调控网络的稳健分子证据。此外,
【主题与分类】
主题标签:Asthma、Airway Remodeling。本站分类:呼吸系统疾病/哮喘。
【获取与许可】
源站页面:https://data.mendeley.com/datasets/3cr5dvcdzz/1
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://doi.org/10.17632/3cr5dvcdzz.1
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:
数据集大小约 75.4 KB。
数据说明
我们假设MYOCD/SRF转录复合物通过直接上调细胞周期调节因子CDKN1A驱动哮喘气道重塑,而靶向药物阻断MYOCD将减轻这些病理性结构改变。我们的数据集包括肺功能指标、组织学形态计量、转录组图谱(RNA-seq)以及多维分子验证(RT-qPCR、Western blot和ChIP-qPCR)。这些数据均采集自体内C57BL/6小鼠哮喘模型(OVA致敏和激发)。实验设计包括溶剂对照、未治疗的哮喘模型以及给予特异性MYOCD抑制剂CCG-100602的治疗组。研究人员可将该数据集作为有力的分子证据,用以解读和利用MYOCD在气道病理中的特异性下游调控网络。此外,这些数据为评估MYOCD/SRF/CDKN1A信号轴作为难治性哮喘临床治疗中可行且精准的治疗靶点提供了基础参考。
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。




