阿尔茨海默病新皮层基因表达改变的全基因组谱(基因水平)
该数据集来自 omicsdi.org,属于神经系统疾病中的阿尔茨海默病主题,采用转录组学方法。研究对来自 OPTIMA 队列的阿尔茨海默病患者与老年对照的 BA22 灰质组织进行全基因组基因改变分析,使用 Affymetrix 外显子芯片检测,共包含 8 例对照和 8 例 AD 样本

基本信息
资源简介
阿尔茨海默病新皮层基因表达改变的全基因组谱(基因水平)
该数据集来自 omicsdi.org,属于神经系统疾病中的阿尔茨海默病主题,采用转录组学方法。研究对来自 OPTIMA 队列的阿尔茨海默病患者与老年对照的 BA22 灰质组织进行全基因组基因改变分析,使用 Affymetrix 外显子芯片检测,共包含 8 例对照和 8 例 AD 样本。数据可用于比较 AD 与对照在基因水平上的表达差异,支持阿尔茨海默病相关基因表达改变的研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):我们使用 Affymetrix 外显子芯片,在一个特征明确的阿尔茨海默病(AD)患者队列的颞叶皮层中研究了全基因组基因改变。AD 患者和对照最初是招募到 OPTIMA(Oxford Project to Investigate Memory and Ageing)的受试者。受试者接受年度临床和神经心理学评估,包括剑桥认知检查(CAMCOG)。在近亲同意尸检并死亡受试者中,从 AD 受试者新鲜冷冻大脑的 BA22 区解剖出 1 cm3 的灰质块。来自老年对照的组织被收集,这些对照在生前接受纵向随访,且死亡前最后一次评估时 CAMCOG 评分 >80。在 8 个对照和 8 个 AD 样本中进行了 Affymetrix 外显子芯片检测。每次杂交运行中处理的样本在 AD 与对照、性别和死后方面进行了匹配。
【主题与分类】
主题标签:Transcriptomics。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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-37263
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-37263
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
我们研究了一个特征明确的阿尔茨海默病(AD)患者队列的颞叶皮层全基因组基因改变,使用了Affymetrix外显子芯片。AD患者和对照者最初是作为OPTIMA(牛津记忆与衰老调查项目)的研究对象招募的。受试者接受了年度临床和神经心理学评估,包括剑桥认知检查(CAMCOG)。在死亡且近亲同意尸检的受试者中,从AD受试者新鲜冷冻大脑的BA22区切取了1 cm³的灰质块。对照老年受试者的组织也被收集,这些受试者在生前接受了纵向随访,且在死亡前最后一次评估时CAMCOG评分>80。对8例对照和8例AD样本进行了Affymetrix外显子芯片检测。每次杂交运行中处理的样本在AD与对照、性别和死后间隔时间(PMI)方面尽可能匹配。本次提交包含基因水平分析。
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。




