HPO神经源性膀胱基因集

MSigDB/HPO提供神经源性膀胱表型关联基因集,可用于功能富集、候选基因筛选和多组学解释。 该数据集与神经源性膀胱功能障碍高度相关,覆盖表格数据内容,可用于分类、特征筛选、算法评估和临床研究。

MSigDB / HPOMSigDB / HPO
MSigDB
2026-01-01 更新
浏览 39
表格分类Neurogenic bladderHuman Phenotype OntologyHPOC5: OntologyHomo sapiens
HP Neurogenic Bladder Gene Set

基本信息

模态
表格
任务类型
分类
创建/更新时间
2026-01-01

资源简介

HPO神经源性膀胱基因集

【一句话概览】

神经源性膀胱是一种由神经损伤引起的膀胱功能障碍,可表现为弛缓性或痉挛性。其常见表现包括充溢性尿失禁、尿频、尿急、急迫性尿失禁和尿潴留。该条目属于人类表型本体(HPO),适用于人类(来源 gsea-msigdb.org)。

【数据集背景】

本数据集源站标题为《HP_NEUROGENIC_BLADDER》。

【数据内容】

源站原始描述:A type of bladder dysfunction caused by neurologic damage. Neurogenic bladder can be flaccid or spastic. Common manifestatios of neurogenic bladder are overflow incontinence, frequency, urgency, urge incontinence, and retention. [ PMID:18095004, PMID:22400020]

中文译文(机器翻译,仅供快速理解,请以原文为准):一种由神经损伤引起的膀胱功能障碍。神经源性膀胱可为弛缓性或痉挛性。神经源性膀胱的常见表现为充溢性尿失禁、尿频、尿急、急迫性尿失禁和尿潴留。[https://orcid.org/0000-0002-0736-9199, PMID:18095004, PMID:22400020]

【主题与分类】

主题标签:Neurogenic bladder、Human Phenotype Ontology、HPO、Homo sapiens。

【适用方向】

结构化表格数据可直接用于统计建模、特征工程与队列分析。

【获取与许可】

源站页面:https://www.gsea-msigdb.org/gsea/msigdb/cards/HP_NEUROGENIC_BLADDER.html

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。

暂未开放

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://www.gsea-msigdb.org/gsea/msigdb/cards/HP_NEUROGENIC_BLADDER.html

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

MSigDB/HPO提供神经源性膀胱表型关联基因集,可用于功能富集、候选基因筛选和多组学解释。

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