近交系小鼠卵母细胞质量与发育潜能的客观分子标准:蛋白质组学研究
该数据集来自 omicsdi.org,聚焦近交系小鼠卵母细胞质量与发育潜能的分子标准。研究比较了 129Sv、C57Bl/6、C3H/HeN 和 DBA/2J 四个近交系小鼠的卵母细胞,发现其发育能力和胚胎质量存在较大变异,且不受受精、体细胞核移植或孤雌生殖等刺激方式影响

基本信息
资源简介
近交系小鼠卵母细胞质量与发育潜能的客观分子标准:蛋白质组学研究
该数据集来自 omicsdi.org,聚焦近交系小鼠卵母细胞质量与发育潜能的分子标准。研究比较了 129Sv、C57Bl/6、C3H/HeN 和 DBA/2J 四个近交系小鼠的卵母细胞,发现其发育能力和胚胎质量存在较大变异,且不受受精、体细胞核移植或孤雌生殖等刺激方式影响。数据结合 SILAC LC-MS/MS 蛋白质组学与 RNA 深度测序转录组学,量化了 1839 个蛋白质,可用于探索卵母细胞组成与发育质量的关系,服务于不孕症相关研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):目前对卵母细胞质量和发育潜能的理解认为,随机或表观遗传过程调节着卵子发生过程中卵母细胞内所奠定决定因素的作用。这些决定因素被认为在小鼠中相当保守,导致不同品系的小鼠可互换使用。我们挑战了这一假设,并研究了四个近交系小鼠品系(即 129Sv、C57Bl/6、C3H/HeN 和 DBA/2J)中卵母细胞组成与发育质量之间的关系。这些卵母细胞表现出很大的发育能力和胚胎质量变异性,与发育刺激(受精、体细胞核移植、孤雌生殖)无关。为揭示所观察表型的分子基础,我们应用了最先进的蛋白质组学(SILAC LC-MS/MS)结合转录组学(RNA 深度测序)。我们量化了 1839 个蛋白质
【主题与分类】
主题标签:Transcriptomics。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://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-5013
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://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-5013
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
目前对卵母细胞质量和发育潜能的理解认为,随机或表观遗传过程调节着卵子发生过程中卵母细胞内设定的决定因素的作用。这些决定因素被认为在小鼠中相当保守,导致不同品系的小鼠被交替使用。我们挑战了这一假设,并研究了四种近交系小鼠(即129Sv、C57Bl/6、C3H/HeN和DBA/2J)卵母细胞组成与发育质量之间的关系。这些卵母细胞在发育能力及胚胎质量上表现出巨大差异,无论发育刺激方式如何(受精、体细胞核移植、孤雌生殖)。为了揭示所观察表型的分子基础,我们应用了最先进的蛋白质组学(SILAC LC-MS/MS)结合转录组学(RNA深度测序)。我们同时在所有四个品系的卵母细胞中定量了1839种蛋白质和20413个转录本。蛋白质组与转录组之间相关性很小,凸显了蛋白质组定量在胚胎学中的重要性。
我们发现,不同品系卵母细胞间表达差异最大的蛋白质主要与卵母细胞生物学、核糖体及RNA生物发生,以及胚胎分化和染色质重塑相关。因此,在探讨卵子发生和早期发育相关问题时,不同品系的小鼠不应在生物学研究中互换使用。
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。




