对照与动脉瘤人主动脉组织的单细胞转录组分析
该数据集来自 NCBI GEO,包含对照与动脉瘤人主动脉组织的单细胞转录组表达谱数据,共 1 个文件(GSE155468_series_matrix.txt.gz)

基本信息
资源简介
对照与动脉瘤人主动脉组织的单细胞转录组分析
Single-cell Transcriptome Analysis Reveals Dynamic Cell Populations and Differential Gene Expression Patterns in Control and Aneurysmal Human Aortic Tissue
该数据集来自 NCBI GEO,包含对照与动脉瘤人主动脉组织的单细胞转录组表达谱数据,共 1 个文件(GSE155468_series_matrix.txt.gz)。研究聚焦于升主动脉瘤(ATAA)的细胞组成与各细胞群的分子改变,可用于探索主动脉壁细胞动态变化、差异基因表达模式及相关免疫系统疾病机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:升主动脉瘤(ATAA)由主动脉壁进行性削弱和扩张引起,可导致主动脉夹层、破裂及其他危及生命的并发症。为增进对 ATAA 发病机制的理解,我们试图全面表征升主动脉壁的细胞组成,并鉴定人 ATAA 组织中各细胞群的分子改变。
【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:免疫系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE155468
【使用注意】
· 源站最后修改于 Sep 12 202,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=GSE155468
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:升主动脉瘤(ATAA)由主动脉壁进行性变薄和扩张引起,可导致主动脉夹层、破裂及其他危及生命的并发症。为加深对ATAA发病机制的理解,我们力求全面表征升主动脉壁的细胞组成,并识别人类ATAA组织各细胞群中的分子改变。方法:我们对11名研究参与者的升主动脉组织进行了单细胞RNA测序(sc-RNAseq)分析,包括8例ATAA患者(4名女性和4名男性)和3名对照者(2名女性和1名男性)。利用sc-RNAseq数据进行聚类鉴定,对从主动脉组织提取的细胞进行分析和分类。随后通过比较ATAA与对照组织间各细胞类型的比例及基因表达谱,检查ATAA相关变化。我们还通过将我们的sc-RNAseq数据与全基因组关联研究(GWAS)的公开可用数据进行整合分析,检查了哪些基因可能对ATAA至关重要。
结果:我们在人升主动脉组织中鉴定出11种主要细胞类型;对这些细胞进行高分辨率重新聚类后,进一步将其分为40种亚型。平滑肌细胞、巨噬细胞和T淋巴细胞中观察到多种亚型,提示这些细胞在主动脉壁中具有多种功能群体。总体而言,与对照组织相比,ATAA组织的非免疫细胞较少,免疫细胞较多,尤其是T淋巴细胞。差异基因表达数据提示ATAA组织存在广泛的线粒体功能障碍。此外,我们将sc-RNAseq数据与公共GWAS数据和启动子捕获Hi-C数据进行整合分析,结果提示ERG(ETS[成红细胞转化特异性]相关基因)在维持正常主动脉壁功能中发挥重要作用。结论:我们的研究提供了一个全面的
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。




