统一化死后神经退行性疾病脑与脊髓转录组汇编（ALS、FTD谱系、阿尔茨海默病及其他）
该数据集为统一化死后神经退行性疾病脑与脊髓转录组汇编，覆盖ALS、FTD谱系、阿尔茨海默病及其他疾病，基于GEO与ArrayExpress开放数据构建
基本信息
资源简介
统一化死后神经退行性疾病脑与脊髓转录组汇编（ALS、FTD谱系、阿尔茨海默病及其他）
A harmonized post-mortem neurodegeneration brain and spinal cord transcriptome compendium (ALS, FTD spectrum, Alzheimer's disease and others)
该数据集为统一化死后神经退行性疾病脑与脊髓转录组汇编，覆盖ALS、FTD谱系、阿尔茨海默病及其他疾病，基于GEO与ArrayExpress开放数据构建。共1847个样本通过QC，来自4个源登录号（E-MTAB-2325、E-MTAB-8635、GSE153960、GSE26927）。数据包含逐系列基因表与QC、ComBat前后合并矩阵、样本注释表、批次诊断、逐系列效应量、DerSimonian-Laird荟萃分析及留一系列AUC，可用于跨疾病转录组比较与生物标志物探索（来源 DOI 解析，Creative Commons Attribution 4.0 International 许可）。
【数据集背景】
源站首次发布：2026。
【数据内容】
源站描述（机器翻译，仅供参考）：统一化死后神经退行性疾病脑与脊髓转录组汇编（ALS、FTD谱系、阿尔茨海默病及其他）。于2026-10-20基于开放GEO和ArrayExpress数据构建，采用与跨疾病血液干扰素资源（Zenodo记录23427859）相同的流程：逐系列基因表与QC、按隔室ComBat前后的合并矩阵、一个样本注释表、批次诊断、逐系列效应量、DerSimonian-Laird荟萃分析和留一系列AUC。1847个样本通过QC，来自4个源登录号（E-MTAB-2325、E-MTAB-8635、GSE153960、GSE26927）。所有排除和方法偏差列于EXCLUSIONS_AND_DEVIATIONS.md。
【主题与分类】
主题标签：amyotrophic lateral sclerosis、frontotemporal dementia、Alzheimer's disease、post-mortem brain、spinal cord、transcriptome、ComBat、microglia、interferon。本站分类：神经系统疾病/阿尔茨海默病。
【获取与许可】
源站页面：https://zenodo.org/doi/10.5281/zenodo.23498186
使用许可：Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.23498186
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 221.2 MB。
数据说明
一个协调统一的死后神经退行性疾病脑与脊髓转录组汇编（涵盖ALS、FTD谱系、阿尔茨海默病及其他疾病）。于2026-10-20基于公开的GEO和ArrayExpress数据构建，采用与跨疾病血液干扰素资源（Zenodo记录23427859）相同的流程：各系列基因表与质量控制、按隔室在ComBat校正前后的合并矩阵、单一样本注释表、批次诊断、各系列效应量、DerSimonian-Laird荟萃分析以及留一系列法AUC。来自4个源登录号（E-MTAB-2325、E-MTAB-8635、GSE153960、GSE26927）的1847个样本通过质量控制。所有排除项和方法偏差均列于EXCLUSIONS_AND_DEVIATIONS.md中。
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。
