动脉粥样硬化与阿尔茨海默病共病数据集

数据集获取

源站：https://doi.org/10.57760/sciencedb.27632

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

本研究选取的基因数据集均来源于基因表达综合数据库(GEO)(https://www.ncbi.nlm.nih.gov/geo/)。为更好地反映临床患者的实际情况，我们分别选取了“动脉粥样硬化”(AS)和“阿尔茨海默病”(AD)患者的数据集。动脉粥样硬化数据集包括GSE100927和GSE28829，而阿尔茨海默病数据集包括GSE97760和GSE48350用于研究。其中，GSE100927和GSE97760作为研究集，GSE28829和GSE48350作为验证集。此外，通过多种生物信息学分析方法，我们在共病的动脉粥样硬化(AS)和阿尔茨海默病(AD)中识别出4个关键的共享差异表达基因(DEGs)，即EGR2、LST1、MS4A7和OASL。该数据集还包含这4个关键DEGs的表达数量性状位点(eQTLs)数据，以及AS和AD的全基因组关联研究(GWAS)数据。补充数据包括4个关键DEGs与两种疾病(AS和AD)之间孟德尔随机化分析的结果。

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。