烟雾病颅内动脉转录组分析：免疫反应上调与氧化磷酸化及DNA修复下调
该数据集来自 NCBI GEO（GSE157628），对烟雾病（MMD）患者与对照者的中脑动脉（MCA）微样本进行微阵列转录组分析，样本量为 MMD 11 例、对照 9 例
基本信息
资源简介
烟雾病颅内动脉转录组分析：免疫反应上调与氧化磷酸化及DNA修复下调
Transcriptome-wide Analysis of Intracranial Artery in Patients with Moyamoya Disease Showing Up-regulation of Immune Response, and Down-regulation of Oxidative Phosphorylation and DNA Repair
该数据集来自 NCBI GEO（GSE157628），对烟雾病（MMD）患者与对照者的中脑动脉（MCA）微样本进行微阵列转录组分析，样本量为 MMD 11 例、对照 9 例。比较两组基因表达发现 62 个上调和 26 个显著下调基因，基因集富集分析显示抗原加工与呈递、树突细胞、细胞因子及白细胞介素 12 通路正相关，氧化磷酸化和 DNA 修复负相关，qPCR 验证 tetraspanin 2 和 ras homolog family member Q 表达降低。数据可用于烟雾病脑血管免疫与代谢相关表达谱研究及候选基因筛选（来源 NCBI）。
【数据集背景】
源站首次发布：Sep 08 202。
【数据内容】
源站描述（机器翻译，仅供参考）：采集烟雾病（MMD）患者（n=11）和对照者（n=9）的大脑中动脉（MCA）微量样本，采用微阵列技术进行全转录组分析。比较 MMD 患者与对照者的 MCA 基因表达，检测到 62 个和 26 个基因在 MMD 的 MCA 中表达显著（P 2）上调或下调。对 MMD 的 MCA 中表达基因进行基因集富集分析，显示与参与抗原加工和呈递、树突细胞通路、细胞因子通路和白细胞介素 12 通路的基因呈正相关，而与参与氧化磷酸化和 DNA 修复的基因呈负相关。此外，定量聚合酶链反应分析证实 MMD 的 MCA 中 tetraspanin 2 和 ras homolog family member Q 的基因表达降低（P<0.05）。
【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、GPL16699、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=GSE157628
【使用注意】
· 源站最后修改于 Nov 25 202，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=GSE157628
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
收集了烟雾病（MMD）患者（n=11）和对照组（n=9）的大脑中动脉（MCA）微量样本。采用微阵列技术进行了全转录组分析。比较MMD患者与对照组MCA基因表达，检测到62个和26个基因在MMD的MCA中表达显著上调或下调（P<0.001，倍数变化>2）。对MMD的MCA中表达基因的基因集富集分析显示，与参与抗原加工和呈递、树突状细胞通路、细胞因子通路和白细胞介素12通路的基因呈正相关，而与参与氧化磷酸化和DNA修复的基因呈负相关。此外，定量聚合酶链反应分析证实MMD的MCA中四跨膜蛋白2和ras同源家族成员Q的基因表达降低（P<0.05）。
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。
