小鼠硬皮病皮肤组织经BMSC来源外泌体处理的转录组分析数据集

该数据集包含小鼠硬皮病模型皮肤组织在经骨髓干细胞来源外泌体或PBS处理后的转录组测序数据,数据模态为基因表达谱(文本格式的转录组数据),主要用于研究外泌体治疗对硬皮病相关基因表达的影响,探索硬皮病的分子机制及干细胞外泌体在再生医学中的潜在治疗应用。

Tongji UniversityTongji University
干细胞与再生医学数据中心
2022-02-20 更新
浏览 40
Bone marrow mesenchymal stem cellExtracellular vesiclesFibrosisScleroderma.小鼠转录组
Transcriptome analysis of the scleroderma skin tissue treated with BMSC derived exosome in mouse

基本信息

许可
openSource
创建/更新时间
2022-02-20

资源简介

小鼠硬皮病皮肤组织经BMSC来源外泌体处理的转录组分析数据集

【数据集背景】

本数据集源站标题为《Transcriptome analysis of the scleroderma skin tissue treated with BMSC derived exosome in mouse》。源站首次发布:2022-02-20。

【数据内容】

源站原始描述:We aim to explore the transcriptome of the dermis of the bleomycin induced murine scleroderma model which were treated with PBS or bone marrow stem cell derived exosome

【主题与分类】

主题标签:Bone marrow mesenchymal stem cell、Extracellular vesicles、Fibrosis、Scleroderma.、Bone marrow mesenchymal stem cell、Extracellular vesicles、Fibrosis、Scleroderma.、小鼠、转录组。

【获取与许可】

源站页面:http://data.iscr.ac.cn/Article?id=c6de17a4e9d831115d0d6d0acae6b6da

使用许可:openSource。

规范引用:PMID: 34090522

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:http://data.iscr.ac.cn/Article?id=c6de17a4e9d831115d0d6d0acae6b6da

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

该数据集是一个转录组学数据集,旨在研究博来霉素诱导的小鼠硬皮病模型真皮组织在经骨髓干细胞(BMSC)来源外泌体处理后的转录组变化。数据集包含经PBS(对照组)或BMSC来源外泌体处理的硬皮病皮肤组织的转录组测序数据,数据来源于动物实验构建的疾病模型。该数据集主要用于探索外泌体治疗对硬皮病相关基因表达的影响,研究方向包括硬皮病的分子机制、干细胞外泌体的治疗潜力以及转录组在疾病干预中的应用。

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