GSE240031:鲤科杂交鱼头肾转录组分析揭示与SVCV感染相关的杂种优势与衰退
研究聚焦鲤科杂交鱼在SVCV感染下的杂种优势与衰退现象,涉及F1代、亲本回交等不同遗传组成个体。数据基于高通量测序表达谱,可用于分析感染相关基因表达差异、比较不同杂交组合的转录组响应,以及探索免疫抗性相关分子机制(来源 NCBI)

基本信息
资源简介
GSE240031:鲤科杂交鱼头肾转录组分析揭示与SVCV感染相关的杂种优势与衰退
Heterosis versus breakdown in cyprinid hybrids associated with SVCV infection revealed by transcriptome profile analysis of head kidney
该数据集来自NCBI GEO,包含GSE240031系列的头肾转录组表达谱数据,文件为GSE240031_series_matrix.txt.gz。研究聚焦鲤科杂交鱼在SVCV感染下的杂种优势与衰退现象,涉及F1代、亲本回交等不同遗传组成个体。数据基于高通量测序表达谱,可用于分析感染相关基因表达差异、比较不同杂交组合的转录组响应,以及探索免疫抗性相关分子机制(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):F1代杂交种通常在适合度相关性状(包括对寄生虫的抗性)上表现出杂种优势,但F1后世代由于Dobzhansky–Muller遗传不相容性,会表现出许多不利性状(包括对寄生虫的易感性)。杂交种中的遗传破坏也可能源于细胞核-细胞质协同适应系统的破坏。母本回交(每个亲本具有与父母相同的mtDNA)和父本回交(每个亲本具有与父母不同的mtDNA)具有相同的核遗传组成,但细胞质遗传元件不同,影响其活力和存活。鲤春病毒血症病毒(SVCV)是一种在水产养殖中具有严重经济影响的疾病,几乎只影响鲤科鱼类,主要是普通鲤鱼,并导致高死亡率,而银鲫是较不易感的物种
【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:GPL32013、7962。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=GSE240031
【使用注意】
· 源站最后修改于 Sep 12 202,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=GSE240031
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
F1代杂交种通常在适合度相关性状(包括对寄生虫的抗性)上表现出杂种优势,而F1代之后的世代由于Dobzhansky–Muller遗传不相容性,会表现出众多不利性状(包括对寄生虫的易感性)。杂交种中的遗传紊乱也可能源于细胞核-细胞质协同适应系统的破坏。母本回交(每个亲本与亲本具有相同的mtDNA)和父本回交(每个亲本与亲本具有不同的mtDNA)具有相同的核遗传组成,但在细胞质遗传元件上存在差异,从而影响其生活力和存活率。鲤春病毒血症病毒(SVCV)是一种在水产养殖中具有严重经济影响的疾病,几乎只感染鲤科鱼类,主要是普通鲤鱼,并导致高死亡率,而银鲫则是较不易感的物种。
我们的研究聚焦于头肾的转录组谱分析,以揭示高易感鲤鱼、弱易感银鲫及杂交品系中的差异基因表达,假设差异基因表达模式将反映F1代中的杂交优势以及回交和F2代中的杂交衰退。我们预期母本与父本回交之间的差异基因表达差异与细胞-核协同适应破坏假说相一致。
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。




