老龄小鼠卵巢转录组分析:追加四物汤相关化合物

研究针对传统多成分方剂四物汤(SM),鉴定出 28 种草药化合物作为其主要成分,并对老龄小鼠分别给予单个成分后采集卵巢组织进行转录组测序,以解析 SM 的作用机制并辅助识别有效成分组合

geo
浏览 12
基因组回归GPL1905710090
GSE333820: Transcriptome profiling of ovaries in aged mice administered additional Samul-tang-associated compounds

基本信息

模态
基因组
任务类型
回归
创建/更新时间
2026-10-08

资源简介

老龄小鼠卵巢转录组分析:追加四物汤相关化合物

Transcriptome profiling of ovaries in aged mice administered additional Samul-tang-associated compounds

该数据集来自 NCBI,标题为 Transcriptome profiling of ovaries in aged mice administered additional Samul-tang-associated compounds,属于泌尿生殖系统疾病/不孕症分类。研究针对传统多成分方剂四物汤(SM),鉴定出 28 种草药化合物作为其主要成分,并对老龄小鼠分别给予单个成分后采集卵巢组织进行转录组测序,以解析 SM 的作用机制并辅助识别有效成分组合。数据集包含 1 个文件,样例为 GSE333820_series_matrix.txt.gz,作者为 Sooseong,You,发布时间为 May 29 202,主题标签涉及高通量。

【数据集背景】

源站首次发布:May 29 202。

【数据内容】

源站描述(机器翻译,仅供参考):四物汤(SM)是一种传统多成分疗法,广泛用于临床女性健康和生殖障碍。尽管其具有治疗益处,但由于多种化合物的组合导致其作用机制复杂,限制了其研究融入现代药理学。为应对这一挑战,我们鉴定出 28 种草药化合物作为 SM 的主要成分,并在给予单个成分后从小鼠卵巢生成转录组数据。该数据集旨在为 SM 的作用机制提供见解,并有助于识别有效的成分组合。

【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:GPL19057、10090。本站分类:泌尿生殖系统疾病/不孕症。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE333820

【使用注意】

· 源站最后修改于 Jul 07 202,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=GSE333820

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

四物汤(SM)是一种传统多成分疗法,广泛用于临床实践,治疗女性健康和生殖障碍。尽管其治疗效果显著,但由于多种化合物的组合导致其作用机制的复杂性,限制了其研究融入现代药理科学。为应对这一挑战,我们确定了28种草药化合物作为四物汤的主要成分,并在给予单个成分后,从小鼠卵巢中生成了转录组数据。此数据集旨在提供对四物汤作用机制的见解,并有助于识别有效的成分组合。

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