METTL3通过促进m6A-YTHDC1依赖的SGK1基因转录加重VSMCs内膜增生
数据围绕METTL3通过m6A-YTHDC1依赖方式促进SGK1基因转录从而加重血管平滑肌细胞内膜增生的研究,可用于分析m6A修饰在血管平滑肌细胞及新生内膜形成中的转录后调控作用(来源 NCBI)

基本信息
资源简介
METTL3通过促进m6A-YTHDC1依赖的SGK1基因转录加重VSMCs内膜增生
METTL3 Aggravates Intimal Hyperplasia by Facilitating the m6A-YTHDC1-dependent SGK1 Gene Transcription in VSMCs
该数据集来自NCBI,包含1个文件GSE252691_series_matrix.txt.gz,主题为甲基化高通量测序,物种为10116,平台为GPL31008。数据围绕METTL3通过m6A-YTHDC1依赖方式促进SGK1基因转录从而加重血管平滑肌细胞内膜增生的研究,可用于分析m6A修饰在血管平滑肌细胞及新生内膜形成中的转录后调控作用(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):理由:新生内膜形成是动脉粥样硬化和血管成形术后再狭窄的常见病理特征,涉及血管平滑肌细胞(VSMCs)的增殖和迁移。N6-甲基腺苷(m6A)是最普遍的mRNA内部修饰,被认为主要由RNA甲基转移酶METTL3产生,在转录后调控中发挥重要作用。然而,RNA m6A修饰在VSMCs和新生内膜形成中的作用仍存在争议且尚未确定。
【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:GPL31008、10116。本站分类:损伤、中毒及外因。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE252691
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=GSE252691
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
理由:新生内膜形成是动脉粥样硬化及血管成形术后再狭窄的常见病理特征,涉及血管平滑肌细胞(VSMCs)的增殖与迁移。N6-甲基腺苷(m6A)是最普遍的mRNA内部修饰,被认为主要由RNA甲基转移酶METTL3产生,在转录后调控中发挥重要作用。然而,RNA m6A修饰在VSMCs及新生内膜形成中的作用仍存争议且尚未确定。目的:确定METTL3及其产生的RNA修饰m6A在VSMCs及血管损伤后新生内膜形成中的作用。方法与结果:我们检测了人颈动脉内膜剥脱术(CEA)标本及小鼠颈动脉中m6A写入酶和擦除酶的表达,一致发现血管损伤后METTL3表达显著增加。随后,我们构建了VSMC特异性METTL3敲除小鼠(Myh11CreERT2 METTL3flox/flox),并诱导颈动脉损伤。METTL3敲除显著减轻了导丝损伤诱导的动脉新生内膜形成。
此外,我们发现METTL3缺陷抑制了VSMCs的离体和在体增殖。通过对bulk RNA和m6A测序数据的联合分析,鉴定出血清和糖皮质激素诱导激酶1(SGK1),因其在促进VSMC增殖和迁移中的作用已有充分文献记载。在机制上,通过精心设计的涉及甲基化位点定位、m6A RNA免疫沉淀(m6A-RIP)、染色质免疫沉淀定量PCR(ChIP-qPCR)和报告基因分析的实验表明,METTL3介导的SGK1 mRNA甲基化(A146和A210)被认为通过招募m6A阅读蛋白YTHDC1来促进SGK1转录。正如预期,已被METTL3敲除所减轻的VSMC增殖和内膜增生均被SGK1过表达所恢复。结论:我们的发现
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。




