细胞骨架动态变化化学诱导效应数据集-2011至2019-saurabhshahane
数据来源：互联网公开数据
标签：细胞骨架,化学诱导,形态变化,高内涵成像,数据集,科学研究,基因调控,细胞学,科研资源
数据概述：
本数据集包含了对2500万个细胞在114,400种结构多样化合物处理后F-actin和细胞形态的74个定量特征的分析结果。通过降维分析，发现只有约25种稳定的F-actin表型存在，每种表型由特定的定量特征定义，并可被机器学习模型识别。研究还发现了2003种未知化合物能够诱导特定的细胞骨架表型，包括两种直接结合talin（整合素活性核心调节因子）的化合物。此外，观察到不同分子机制的化合物可能诱导相同的表型，且细胞的初始反应可能在时间上收敛。这些发现表明细胞骨架的表型可塑性类似于基因调控网络，尽管潜在的相互作用几乎无限，但实际观察到的表型却受到有限的、可行的配置的限制。
数据用途概述：
该数据集适用于细胞生物学、基因调控网络研究、高内涵成像分析、药物筛选等场景。研究人员可以利用此数据集进行细胞骨架表型分析、化合物筛选和药物机制研究；教师和学生可以利用此数据集进行教学和学习，了解细胞骨架的动态变化和化学诱导效应。此外，数据集还适合用于生物信息学和机器学习的研究，帮助开发新的数据分析方法和技术。
文件内容说明：
1. Bryce_et_al_Quantitative_Dataset.csv：包含原始图像分析的定量数据，每个观测值对应一个实验条件，记录了单一化学化合物对SK-N-SH神经母细胞群的影响。数据包括81列，前6列为元数据（如实验条件ID、实验日期等），后75列为图像分析参数。
2. Bryce_et_al_Quantitative_Dataset_Normalised.csv：在原始数据基础上进行了观察值排除（每条件分析细胞数>10且<700）和z标准化处理。
3. Bryce_et_al_Quantitative_Dataset_Normalised_with_TSNE.csv：在标准化数据基础上进一步排除了包含重复值的观测值，并应用t-SNE降维方法进行分析，增加了t-SNE坐标和聚类信息。
4. Bryce_et_al_Quantitative_Dataset_Normalised_TSNE_non-clustered-removed.csv：排除了t-SNE空间中未聚类的观测值。
5. Bryce_et_al_PCA_pre_Dimension_Reduction_Optimisation_output.csv：基于标准化图像参数进行PCA降维分析，去除了重复值。
6. Dynamic_Drug_Treatment_Data_output_for_R_plotting_TA_compounds.csv 和 Dynamic_Drug_Treatment_Data_output_for_R_plotting_TA_compounds_outliers_included.csv：包含用于绘制动态表型轨迹和异常值分析的数据。
