MELTF-AS1敲低HTR-8/SVneo细胞的RNA-seq数据集

该数据集来自NCBI,包含HTR-8/SVneo细胞在MELTF-AS1敲低组与对照组中的RNA-seq原始测序数据。HTR-8/SVneo是研究滋养层侵袭与胎盘形成的成熟模型,数据可用于鉴定MELTF-AS1功能缺失导致的差异表达基因和失调信号通路,探索lncRNA介导的调控网络在胎盘发育及子痫前

sra
浏览 14
时间序列分类Raw sequence reads
PRJNA1369495: RNA-seq of HTR-8/SVneo cells with MELTF-AS1 knockdown

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-20

资源简介

MELTF-AS1敲低HTR-8/SVneo细胞的RNA-seq数据集

该数据集来自NCBI,包含HTR-8/SVneo细胞在MELTF-AS1敲低组与对照组中的RNA-seq原始测序数据。HTR-8/SVneo是研究滋养层侵袭与胎盘形成的成熟模型,数据可用于鉴定MELTF-AS1功能缺失导致的差异表达基因和失调信号通路,探索lncRNA介导的调控网络在胎盘发育及子痫前期等妊娠相关疾病中的潜在作用(来源 ncbi.nlm.nih.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):该研究包括两个实验条件:1. MELTF-AS1敲低组: 用靶向MELTF-AS1基因的特异性siRNA转染的HTR-8/SVneo细胞。2. 对照组: 用非靶向scramble siRNA处理的HTR-8/SVneo细胞。本项目旨在鉴定由MELTF-AS1功能缺失导致的差异表达基因(DEGs)和失调信号通路。由于HTR-8/SVneo细胞是研究滋养层侵袭和胎盘形成的成熟模型,该数据为了解MELTF-AS1在妊娠相关疾病(如子痫前期,其中滋养层侵袭不足是关键病理特征)分子病因学中的潜在作用提供了宝贵资源。研究人员可利用该数据集探索胎盘发育和疾病中lncRNA介导的调控网络。

【主题与分类】

主题标签:Raw sequence reads。本站分类:妊娠、分娩和产褥期。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1369495

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/bioproject/PRJNA1369495

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

该研究包括两种实验条件:1. MELTF-AS1敲低组: 使用靶向MELTF-AS1基因的特异性siRNA转染HTR-8/SVneo细胞。2. 对照组: 使用非靶向 scramble siRNA 处理HTR-8/SVneo细胞。本项目旨在识别由MELTF-AS1功能缺失导致的差异表达基因(DEGs)和失调的信号通路。由于HTR-8/SVneo细胞是研究滋养层侵袭和胎盘形成的成熟模型,该数据为了解MELTF-AS1在妊娠相关疾病(如子痫前期,其中滋养层侵袭不足是关键病理特征)分子病因学中的潜在作用提供了宝贵资源。研究人员可利用该数据集探索胎盘发育和疾病中lncRNA介导的调控网络。

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