GEO表达矩阵处理归一化GSE57691腹主动脉瘤数据集
该数据集来自GEO的GSE57691，基于Illumina HumanHT-12 V4.0表达芯片（GPL10558），包含59个人类动脉组织样本，其中49例腹主动脉瘤（AAA）患者样本和10例健康对照动脉壁样本
基本信息
资源简介
GEO表达矩阵处理归一化GSE57691腹主动脉瘤数据集
GEOExpressionMatrixHandling Normalization-GSE57691
该数据集来自GEO的GSE57691，基于Illumina HumanHT-12 V4.0表达芯片（GPL10558），包含59个人类动脉组织样本，其中49例腹主动脉瘤（AAA）患者样本和10例健康对照动脉壁样本。原始探针级数据已注释到官方基因符号，重复探针按中位数折叠，并完成归一化和批次校正，生成干净的基因×样本表达矩阵。可用于差异表达分析、共表达网络分析（如WGCNA）、免疫浸润分析，以及腹主动脉瘤与正常组织的转录组比较研究（来源 Kaggle，MIT 许可）。
【数据集背景】
源站首次发布：2025-11-29。
【数据内容】
源站描述（机器翻译，仅供参考）：GEO系列：GSE57691微阵列数据集，来自人类动脉组织样本。PMC +2 BioMed Central +2 平台：Illumina HumanHT-12 V4.0表达珠芯片（GPL10558）。SpringerLink +1 包含59个样本的基因表达数据：49个来自腹主动脉瘤（AAA）患者的样本和10个健康对照动脉壁样本。PMC +1 来自GEO的原始/探针级数据已经过处理：探针注释到官方基因符号；重复探针按中位数（或类似）表达折叠。数据已经过归一化和批次校正，生成干净的基因×样本表达矩阵，用于下游分析。该数据集适用于差异表达分析、共表达网络分析（例如WGCNA）、免疫浸润分析，或其他针对血管疾病（AAA）与正常的转录组研究。
【数据结构与技术规格】
文件数 9 个，合计 80.58 MB。
【主题与分类】
主题标签：r。本站分类：心血管系统疾病/腹主动脉瘤。
【获取与许可】
源站页面：https://www.kaggle.com/datasets/mannekuntanagendra/geoexpressionmatrixhandling-normalization-gse57691
使用许可：MIT。
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。
需登录公开下载
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。
暂未开放有偿下载
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://kaggle.com/datasets/mannekuntanagendra/geoexpressionmatrixhandling-normalization-gse57691
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:
数据集大小约 80.6 MB。
数据说明
GEOExpressionMatrixHandling Normalization-GSE57691 Dr. Nagendra · Updated 10 months ago Usability 8.2 · 9 Files (CSV, other) · 31 MB · 6 downloads arrow_drop_up 0 more_horiz
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
