内皮Jag1-RBPJK信号促进炎症性白细胞募集与动脉粥样硬化
该数据集来自NCBI,标题为内皮Jag1-RBPJK信号促进炎症性白细胞募集与动脉粥样硬化,包含1个文件(GSE69376_series_matrix.txt.gz),主题标签涉及高通量测序表达谱、GPL11002和10090

基本信息
资源简介
内皮Jag1-RBPJK信号促进炎症性白细胞募集与动脉粥样硬化
Endothelial Jag1-RBPJK signaling promotes inflammatory leukocyte recruitment and atherosclerosis
该数据集来自NCBI,标题为内皮Jag1-RBPJK信号促进炎症性白细胞募集与动脉粥样硬化,包含1个文件(GSE69376_series_matrix.txt.gz),主题标签涉及高通量测序表达谱、GPL11002和10090。源站描述指出其目的是确定NOTCH在动脉壁损伤反应及后续慢性炎症过程中的作用,该过程是动脉粥样硬化的基础。数据可用于研究内皮Jag1-RBPJK信号通路在炎症性白细胞募集和动脉粥样硬化中的功能(来源 NCBI)。
【数据集背景】
源站首次发布:May 29 201。
【数据内容】
源站描述(机器翻译,仅供参考):目的:确定NOTCH在动脉壁损伤反应及后续慢性炎症过程中的作用,该过程是动脉粥样硬化的基础。
【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:GPL11002、10090。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=GSE69376
【使用注意】
· 源站最后修改于 Sep 08 202,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=GSE69376
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
目的:确定NOTCH在动脉壁损伤反应及随后的慢性炎症过程中的作用,这些过程是动脉粥样硬化的基础。方法与结果:我们利用Cdh5钙黏蛋白启动子(ApoE-/-;RBPJflox/flox;Cdh5-CreERT)构建了内皮特异性RBPJK缺失小鼠。在喂食高胆固醇饮食6周的动脉粥样硬化易感ApoE-/-小鼠中,内皮特异性缺失Notch效应分子RBPJK或系统性缺失Notch1受体,均导致主动脉弓和主动脉窦的动脉粥样硬化减轻。活体显微镜观察显示,ApoE-/-;RBPJflox/flox;Cdh5-CreERT小鼠内皮上的白细胞滚动减少,这与血管壁中白细胞和巨噬细胞存在较少相关。与此一致,转录组分析显示,RBPJk突变小鼠的动脉粥样硬化组织中促炎和内皮激活通路下调。内皮细胞中Jagged1信号上调促进Notch1受体胞内结构域(N1ICD)与NF-κB的物理相互作用及核转位。
这种N1ICD与NF-kB的相互作用是目标基因相互反式激活所必需的,包括血管细胞粘附分子-1(Vcam1)。结论:Notch信号通路的失活减少了白细胞滚动,从而防止了内皮功能障碍和血管炎症。因此,减弱Notch信号可能构成动脉粥样硬化的一种有用治疗策略。关键词:动脉粥样硬化,内皮,信号通路,Notch,NF-kB,转录调控
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。




