NCSTN敲低与NC HaCaT细胞转录组图谱

研究利用shRNA介导的基因敲低和RNA测序技术,检测NCSTN缺陷对HaCaT角质形成细胞中差异表达基因的影响,与化脓性汗腺炎(逆向痤疮)相关

geo
浏览 10
基因组分类GPL246769606
GSE209911: transcriptome-wide map of NCSTN-KD and NC Hacat cells

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-18

资源简介

NCSTN敲低与NC HaCaT细胞转录组图谱

transcriptome-wide map of NCSTN-KD and NC Hacat cells

该数据集为NCSTN基因敲低与阴性对照HaCaT细胞的转录组-wide图谱,来源于NCBI GEO(GSE209911),包含1个文件(GSE209911_series_matrix.txt.gz)。研究利用shRNA介导的基因敲低和RNA测序技术,检测NCSTN缺陷对HaCaT角质形成细胞中差异表达基因的影响,与化脓性汗腺炎(逆向痤疮)相关。数据可用于分析NCSTN缺失调控的基因表达变化,支持皮肤炎症性疾病机制研究(来源 NCBI)。

【数据集背景】

源站首次发布:Jul 27 202。

【数据内容】

源站描述(机器翻译,仅供参考):逆向痤疮(AI)是一种与nicastrin(NCSTN)突变相关的炎症性皮肤病。AI患者中已有常染色体显性遗传家族史的报道,并与γ-分泌酶亚基nicastrin(NCSTN)、presenilin enhancer 2(PSENEN)和presenilin-1(PSEN1)的突变相关。其中,NCSTN基因突变率最高。为了检测NCSTN缺陷对AI角质形成细胞的影响,本研究利用短发夹RNA(shRNA)介导的基因敲低和RNA测序技术,探索了HaCaT细胞中由NCSTN缺陷调控的差异表达基因。

【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:GPL24676、9606。本站分类:皮肤与结缔组织疾病/化脓性汗腺炎。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE209911

【使用注意】

· 源站最后修改于 Aug 01 202,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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE209911

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

反常性痤疮(AI)是一种与nicastrin(NCSTN)突变相关的炎症性皮肤病。已有报道称AI患者存在常染色体显性遗传的家族史,并与γ-分泌酶亚基nicastrin(NCSTN)、早老素增强子2(PSENEN)及早老素-1(PSEN1)的突变相关。其中,NCSTN基因的突变率最高。为检测NCSTN缺陷对AI角质形成细胞的影响,本研究采用短发夹RNA(shRNA)介导的基因敲低和RNA测序技术,探索了HaCaT细胞中由NCSTN缺陷调控的差异表达基因。

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。

获取专属数据定制方案