NEXN调控血管平滑肌细胞表型转换与新生内膜增生
该数据集来自NCBI GEO,标题为NEXN调控血管平滑肌细胞表型转换与新生内膜增生,包含1个文件GSE297149_series_matrix.txt.gz,属于高通量测序表达谱数据,物种为人(9606),平台GPL24676

基本信息
资源简介
NEXN调控血管平滑肌细胞表型转换与新生内膜增生
NEXN regulates vascular smooth muscle cells phenotypic switching and neointimal hyperplasia
该数据集来自NCBI GEO,标题为NEXN调控血管平滑肌细胞表型转换与新生内膜增生,包含1个文件GSE297149_series_matrix.txt.gz,属于高通量测序表达谱数据,物种为人(9606),平台GPL24676。数据可用于研究NEXN在血管平滑肌细胞表型转换和血管损伤后新生内膜增生中的作用,支持转录组学分析与机制探索(来源 NCBI)。
【数据集背景】
源站首次发布:May 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):血管平滑肌细胞(VSMCs)表现出显著的异质性和可塑性,使其能够在收缩态和合成态之间转换,这对血管重塑至关重要。NEXN已被确定为与扩张型心肌病(DCM)相关的高置信度基因。现有证据表明NEXN参与VSMCs的表型转换。然而,对NEXN在血管重塑中的细胞特异性作用和精确机制仍缺乏全面了解。利用整合转录组学分析和平滑肌特异性谱系追踪小鼠,我们证明NEXN在VSMCs中高表达,并且在血管损伤诱导的VSMCs表型转化和内膜增生过程中NEXN的表达显著降低。VSMC特异性NEXN缺失促进了VSMCs的表型转换并加剧了新生内膜
【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:GPL24676、9606。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=GSE297149
【使用注意】
· 源站最后修改于 Jul 31 202,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=GSE297149
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
血管平滑肌细胞(VSMCs)具有显著的异质性和可塑性,使其能够在收缩态和合成态之间转换,这对于血管重塑至关重要。NEXN已被鉴定为与扩张型心肌病(DCM)相关的高置信度基因。现有证据表明NEXN参与VSMCs的表型转换。然而,对于NEXN在血管重塑中细胞特异性作用及其精确机制的全面理解仍不明确。通过整合转录组学分析和平滑肌特异性谱系示踪小鼠,我们证明NEXN在VSMCs中高表达,且在VSMCs表型转化及血管损伤诱导的内膜增生过程中NEXN表达显著降低。VSMC特异性NEXN缺失促进了小鼠血管损伤后VSMCs的表型转换并加重了新内膜增生。在机制上,我们发现NEXN主要通过内质网(ER)应激和KLF4信号通路介导VSMCs增殖和表型转换。
抑制内质网应激可通过减少NEXN缺失引起的细胞周期活性和增殖,改善血管平滑肌细胞的表型转化。这些发现表明,靶向NEXN可作为增殖性动脉疾病的一种有前景的治疗策略进行探索。
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。




