尼曼-匹克病相关转录组表达数据集

该数据集收录溶酶体贮积类疾病相关基因表达信息,其中包含尼曼-匹克病相关样本,用于分析脂质代谢通路异常、细胞应激反应及神经退行性疾病机制研究。

NCBINCBI
GEO
浏览 15
文本分类GPL1848010090
GSE106203 Lysosomal Storage Disease Expression Dataset

基本信息

模态
文本
大小
0.333848956 GB
任务类型
分类
创建/更新时间
2026-09-21

资源简介

尼曼-匹克病相关转录组表达数据集

【数据集背景】

本数据集源站标题为《H3K9me3 and H3K36me3 ChIP-seq in WT and H3.3 G34R mouse ES cells》。源站首次发布:Oct 26 201。

【数据内容】

源站原始描述:Sequencing of paediatric gliomas has identified two common substitution mutations (K27M and G34R) in genes encoding histone H3.3. We introduced a single-copy H3.3 G34R targeted mutation in mouse ES cells and observed gains in H3K36me3 and H3K9me3 across the genome. Altered chromatin profiles correlated with enrichment of KDM4 A/B/C, a histone lysine (K9/K36) demethylase. RNA-seq of H3.3 G34R mutant showed disrupted gene expression patterns which also correlated with KDM4 enrichment. Expression o…

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签:Genome binding/occupancy profiling by high throughput sequencing、GPL18480、10090。

【适用方向】

文本类数据可用于医学自然语言处理,如命名实体识别、信息抽取与文本分类。

【获取与许可】

源站页面:https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE106203

【使用注意】

· 源站最后修改于 May 15 201,引用时请注意版本时效。

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://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE106203

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

该数据集来自NCBI GEO,包含溶酶体贮积相关疾病(包括尼曼-匹克病相关样本)的基因表达谱,用于研究脂质代谢异常与神经系统退行性变化的分子机制。

数据加载示例(表格/文本类)

import pandas as pd, glob, os

files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
       + glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))

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