健康与CF供者体外支气管、鼻腔及息肉细胞的miRNA库
该数据集来自NCBI GEO,包含健康供者与囊性纤维化(CF)患者体外培养的支气管、鼻腔细胞及鼻息肉的miRNA表达谱,通过深度测序获得气液界面培养气道上皮的完整miRNA表达模式

基本信息
资源简介
健康与CF供者体外支气管、鼻腔及息肉细胞的miRNA库
miRNA repertoires of ex-vivo bronchial, nasal, and polyps cells cultured from healthy and CF donors
该数据集来自NCBI GEO,包含健康供者与囊性纤维化(CF)患者体外培养的支气管、鼻腔细胞及鼻息肉的miRNA表达谱,通过深度测序获得气液界面培养气道上皮的完整miRNA表达模式。数据可用于比较CF与非CF样本间miRNA差异表达、研究miR-181a-5p、miR-449家族等失调miRNA及isomiR异构体,为CF慢性肺病的非编码RNA调控机制研究提供资源(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):囊性纤维化(CF)是一种遗传性疾病,以慢性肺病为特征。小非编码RNA是基因表达的关键调控因子,参与多种过程,这些过程在CF中失调;然而,它们仍研究不足。在此,我们确定了三种CF体外模型中的完整microRNA(miRNA)表达模式。通过深度测序获得了来自CF患者和非CF对照的气道上皮(支气管、鼻腔细胞和鼻息肉)样本的气液界面培养物的miRNA谱。与非CF对照相比,CF样本中有几种miRNA失调,例如miR-181a-5p和miR-449家族上调。此外,成熟miRNA相对于其参考序列常显示变异(即isomiR),例如miR-101,表明miRNA由多种异构体的异质库组成,具有不同
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL15520、9606。本站分类:呼吸系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE159708
【使用注意】
· 源站最后修改于 Jan 20 202,引用时请注意版本时效。
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/geo/query/acc.cgi?acc=GSE159708
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
囊性纤维化(CF)是一种遗传性疾病,以慢性肺病为特征。小非编码RNA是基因表达的关键调控因子,参与多种过程,而这些过程在CF中存在失调;然而,它们的研究仍不充分。在此,我们在三种CF离体模型中确定了完整的微小RNA(miRNA)表达模式。通过深度测序,获得了来自CF患者和非CF对照者的气道上皮(支气管、鼻细胞和鼻息肉)样本的气液界面培养物的miRNA谱。与非CF对照相比,CF样本中有几种miRNA失调,例如miR-181a-5p和miR-449家族上调。此外,成熟miRNA相对于其参考序列常表现出变异(即isomiR),如miR-101,表明miRNA由多种异构体组成的异质性库构成,对基因表达具有不同影响。对miR-181a-5p和miR-101-3p作用分析表明,它们调控WISP1的表达,而WISP1是细胞增殖/迁移程序的关键组分。
我们研究表明,miR-101和miR-181a-5p通过调控WISP1 mRNA及蛋白水平,参与了伤口愈合程序的异常重演。我们的miRNA表达数据为CF病理生理学提供了新见解,并为CF定义了新的潜在治疗靶点。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




