整合bulk-RNA分析与网络毒理学识别环境内毒素诱导声带损伤的分子指标与治疗候选物
该数据集来自NCBI GEO，包含人原代声带成纤维细胞（VFFs）经5 µg/mL LPS处理24小时后的配对末端bulk RNA-seq数据，以及对照组和12.5%有机粉尘提取物（ODE）暴露大鼠声带组织的混合样本RNA-seq数据，共6个人样本和6个混合大鼠样本
基本信息
资源简介
整合bulk-RNA分析与网络毒理学识别环境内毒素诱导声带损伤的分子指标与治疗候选物
Integrated bulk-RNA analysis and network toxicology identify molecular indicators and therapeutic candidates for environmental endotoxin-induced vocal fold injury
该数据集来自NCBI GEO，包含人原代声带成纤维细胞（VFFs）经5 µg/mL LPS处理24小时后的配对末端bulk RNA-seq数据，以及对照组和12.5%有机粉尘提取物（ODE）暴露大鼠声带组织的混合样本RNA-seq数据，共6个人样本和6个混合大鼠样本。研究整合bulk RNA分析与网络毒理学，旨在刻画LPS诱导的转录响应，并评估关键特征在独立大鼠ODE暴露模型中的保留情况。数据可用于筛选环境内毒素诱导声带损伤的分子指标、比较跨物种转录特征以及探索潜在治疗候选物（来源 NCBI）。
【数据集背景】
源站首次发布：Sep 28 202。
【数据内容】
源站描述（机器翻译，仅供参考）：环境内毒素暴露可能促进气道和喉部炎症，但其对声带成纤维细胞的影响仍未被充分表征。本研究整合bulk RNA测序和网络毒理学，以定义原代人声带成纤维细胞（VFFs）对脂多糖（LPS）的转录响应，并评估所选特征是否在独立的大鼠有机粉尘提取物（ODE）暴露模型中保留。人VFFs暴露于5 µg/mL LPS 24小时，对照和12.5% ODE暴露动物的鼠声带RNA-seq数据用于跨模型比较。该数据集包含来自六个人VFF样本和六个混合鼠声带样本的配对末端bulk RNA-seq数据。
【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=GSE348788
【使用注意】
· 源站最后修改于 Oct 03 202，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=GSE348788
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
环境内毒素暴露可能促进气道及喉部炎症，但其对声带成纤维细胞的影响仍未完全明确。本研究整合了bulk RNA测序与网络毒理学方法，以界定原代人声带成纤维细胞（VFFs）对脂多糖（LPS）的转录反应，并评估所选特征是否在独立的大鼠有机粉尘提取物（ODE）暴露模型中得以保留。人VFFs暴露于5 µg/mL LPS 24小时，并使用来自对照组和12.5% ODE暴露动物的鼠声带RNA-seq数据进行跨模型比较。该数据集包含来自6个人VFF样本和6个混合鼠声带样本的双端bulk RNA-seq数据。
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。
