尼曼-匹克病转录组与代谢相关数据集

Name: 尼曼-匹克病转录组与代谢相关数据集
Creator: NCBI

该数据集提供尼曼-匹克病相关样本的转录组表达信息，用于研究溶酶体脂质转运缺陷、神经退行性病变机制及相关基因表达调控变化。

NCBI

GEO

文本分类GPL21433562

GSE147272 Niemann-Pick Disease Related Transcriptome Dataset

基本信息

模态

文本

大小

0.00220263 GB

任务类型

分类

创建/更新时间

2026-09-21

资源简介

尼曼-匹克病转录组与代谢相关数据集

【数据集背景】

本数据集源站标题为《Transcriptional profiling of the probiotic E. coli Nissle 1917 strain under simulated microgravity and normal gravity》。源站首次发布：Mar 20 202。

【数据内容】

源站原始描述：We performed comparative transcriptomic profiling of E. coli Nissle 1917 (EcN) to determine the effect of microgravity (MG) on cell growth and metabolism

【数据结构与技术规格】

文件数 1 个。

【主题与分类】

主题标签：Expression profiling by high throughput sequencing、GPL21433、562。

【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=GSE147272

【使用注意】

· 源站最后修改于 May 21 202，引用时请注意版本时效。

原始链接

https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE147272

访问原始数据

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=GSE147272

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。

数据说明

该数据集来源于NCBI GEO，包含尼曼-匹克病相关细胞或组织样本的转录组表达数据，用于分析溶酶体脂质运输异常及神经退行性疾病相关基因调控机制。

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))