主动脉病理高级研究（ASAP）
研究聚焦胸主动脉瘤（TAA），比较二叶式主动脉瓣（BAV）与三叶式主动脉瓣（TAV）患者主动脉扩张的基因表达特征，旨在识别共有的和特异的表达模式
基本信息
资源简介
主动脉病理高级研究（ASAP）
Advanced Study of Aortic Pathology (ASAP)
该数据集来自 NCBI GEO，标题为 Advanced Study of Aortic Pathology (ASAP)，包含 1 个文件 GSE26155_series_matrix.txt.gz。研究聚焦胸主动脉瘤（TAA），比较二叶式主动脉瓣（BAV）与三叶式主动脉瓣（TAV）患者主动脉扩张的基因表达特征，旨在识别共有的和特异的表达模式。数据基于微阵列表达谱（GPL5175，9606），可用于免疫系统疾病相关分类或表达模式分析（来源 NCBI）。
【数据集背景】
源站首次发布：Dec 17 201。
【数据内容】
源站描述（机器翻译，仅供参考）：背景：绝大多数胸主动脉瘤（TAA）要么与二叶式主动脉瓣（BAV）——一种常见的先天性异常——同时出现，要么见于特发性病例，如三叶式主动脉瓣（TAV）正常的患者。我们研究的主要目标是识别 BAV 和 TAV 患者主动脉扩张所共有的和独特的基因表达特征。
【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、GPL5175、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=GSE26155
【使用注意】
· 源站最后修改于 Oct 21 202，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=GSE26155
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：绝大多数胸主动脉瘤（TAA）要么与二叶式主动脉瓣（BAV）——一种常见的先天性畸形——同时存在，要么见于特发性病例，如主动脉瓣为正常三叶式（TAV）的患者。本研究的主要目的是识别BAV与TAV患者主动脉扩张所共有的及独特的基因表达特征。方法与结果：从BAV和TAV患者的非扩张（<40mm）及扩张（>45mm）主动脉获取组织活检样本，用于RNA及组织学分析（共131例患者）。额外对照样本来自同一患者的乳腺动脉（n=88）及移植供体的主动脉（n=13）。利用Affymetrix外显子芯片生成的基因表达谱，对对照组及患者主动脉内膜-中膜和外膜进行分析（共345份样本）。结果发现，主动脉内膜-中膜中有606个基因随扩张而差异表达。其中，仅在少数（<4%）基因在BAV和TAV患者中均呈现差异表达。基因集富集分析确定，细胞黏附和细胞外区域基因本体论集为BAV和TAV患者TAA的共同特征。
在扩张型TAV样本的主动脉中膜中，观察到免疫应答基因集特别过度表达。结论：不同的基因表达谱表明，BAV和TAV患者的TAA病因存在根本差异。仅在TAV患者的主动脉中膜中观察到免疫应答激活，提示炎症是该患者群体中TAA的致病因素。
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。
