破裂与未破裂人颅内动脉瘤基因表达比较
该数据集来自 NCBI GEO,比较破裂与未破裂人颅内动脉瘤壁的全基因组表达谱,包含 11 例破裂样本与 8 例未破裂样本,使用 GPL570 芯片平台(人 9606)

基本信息
资源简介
破裂与未破裂人颅内动脉瘤基因表达比较
Comparison of gene expression between ruptured and unruptured human intracranial aneurysms
该数据集来自 NCBI GEO,比较破裂与未破裂人颅内动脉瘤壁的全基因组表达谱,包含 11 例破裂样本与 8 例未破裂样本,使用 GPL570 芯片平台(人 9606)。数据可用于识别破裂相关差异表达基因、富集信号通路及转录因子结合位点预测,为颅内动脉瘤破裂机制研究和诊断治疗靶点探索提供表达谱资源(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 27 200。
【数据内容】
源站描述(机器翻译,仅供参考):背景与目的:动脉瘤性蛛网膜下腔出血几乎均源于囊状颅内动脉瘤(sIA),是一种影响劳动年龄人群的毁灭性卒中类型。导致 sIA 壁破裂的细胞和分子机制在很大程度上仍不清楚。此类知识将有助于为 sIA 疾病设计新的诊断工具和疗法。方法:我们比较了 11 例破裂 sIA 壁样本(切除时间中位数为破裂后 15 小时)与 8 例未破裂样本的全基因组表达谱。通过生物信息学分析识别破裂 sIA 壁中富集的信号通路。通过寻找差异表达基因启动子区域中保守转录因子结合位点的富集,在计算机中预测其转录调控。结果:总体而言,686 个基因显著上调
【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:Expression profiling by array、GPL570、9606。本站分类:循环系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE13353
【使用注意】
· 源站最后修改于 Mar 25 201,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=GSE13353
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
背景与目的 动脉瘤性蛛网膜下腔出血几乎均由囊状颅内动脉瘤(sIA)引起,是一种严重影响劳动年龄人口的破坏性卒中类型。导致sIA壁破裂的细胞和分子机制在很大程度上仍不清楚。掌握这些知识将有助于为sIA疾病设计新型诊断工具和治疗方法。方法 我们将11例破裂sIA壁样本(破裂后中位时间15小时切除)的全基因组表达谱与8例未破裂样本进行比较。通过生物信息学分析识别在破裂sIA壁中富集的信号通路。通过寻找差异表达基因启动子区域中保守转录因子结合位点的富集,在计算机上预测其转录调控。结果 总体而言,在破裂sIA壁中有686个基因显著上调,740个基因显著下调。显著上调的生物学过程包括:对湍流血流的反应;趋化作用;白细胞迁移;氧化应激;血管重塑;以及细胞外基质降解。
在 upregulated 基因中,Toll 样受体(TLR)信号传导以及 NF-κB、HIF1A 和 ETS 转录因子结合位点显著富集。结论:我们识别出与人类 sIA 壁破裂相关的通路和候选基因。这些结果为分子基础分析提供了依据:(a) 识别易破裂的 sIA;(b) 预防其破裂。预防 sIA 壁破裂的新措施可能包括抑制对湍流血流的反应、白细胞迁移、TLR 信号传导,或阻断 NF-κB、HIF1A 和 ETS 转录因子。
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。




