LPS诱导WT小鼠肾上腺炎症转录组图谱
该数据集为GSE121051,利用RNA-Seq技术对细菌脂多糖(LPS)诱导的野生型(WT)小鼠肾上腺系统性炎症进行转录组分析

基本信息
资源简介
LPS诱导WT小鼠肾上腺炎症转录组图谱
Transcriptomic profiling of LPS-induced adrenal inflammation in WT mice
该数据集为GSE121051,利用RNA-Seq技术对细菌脂多糖(LPS)诱导的野生型(WT)小鼠肾上腺系统性炎症进行转录组分析。数据包含LPS注射与生理盐水注射两组样本,共鉴定出8458个差异表达基因,其中4312个上调、4146个下调,主成分分析显示两组清晰分离且组内变异低。该数据可用于研究脓毒症中肾上腺功能受损的分子机制,筛选炎症相关转录组特征,并支持基因表达分类与功能分析(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 10 201。
【数据内容】
源站描述(机器翻译,仅供参考):尽管肾上腺的激活对我们的生存至关重要,但在脓毒症期间其功能常常受损。关于这一过程涉及的机制知之甚少。在本研究中,我们使用稳健的RNA测序(RNA-Seq)技术,寻找由细菌脂多糖诱导的系统性炎症所触发的肾上腺新转录组特征。我们的结果表明,向小鼠注射LPS会引起肾上腺转录组的强烈变化,与注射生理盐水的动物相比,显著改变了8458个基因的表达。主成分分析显示LPS与生理盐水处理之间清晰分离,同时每组内生物学样本间变异较低。对LPS上调的4312个基因和下调的4146个基因进行功能分析,表明强烈诱导了参与……的基因
【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:GPL17021、10090。本站分类:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE121051
【使用注意】
· 源站最后修改于 Jun 21 201,引用时请注意版本时效。
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=GSE121051
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
尽管肾上腺的激活对我们的生存至关重要,但在脓毒症期间其功能常常受损。关于这一过程所涉及的机制,目前知之甚少。在本研究中,我们采用稳健的RNA测序(RNA-Seq)技术,旨在寻找由细菌脂多糖诱导的全身性炎症所触发的肾上腺新型转录组特征。我们的结果表明,向小鼠注射LPS会引起肾上腺转录组的显著变化,与注射生理盐水的动物相比,8458个基因的表达发生了显著改变。主成分分析显示LPS处理与生理盐水处理之间界限分明,同时各组内生物学样本间差异较小。对LPS上调的4312个基因和下调的4146个基因进行功能分析,结果表明炎症反应和类固醇生成相关基因被强烈诱导,而DNA修复及干/祖细胞通路相关基因则受到抑制。
基因富集集分析(GSEA)进一步验证了功能数据,并表明在LPS介导的干扰素诱导和先天免疫反应中,相关基因存在强烈的聚集,同时还揭示了肾上腺中此前未被探索的低氧激活和Wnt/Shh通路抑制现象。这些结果通过定量PCR分析得到了进一步验证。总体而言,这是首个证明系统性炎症期间肾上腺基因特征发生全局性改变的研究,指出了脓毒症期间肾上腺失调可能涉及的潜在通路。
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。




