GSE117646:小胶质细胞翻译谱揭示衰老、淀粉样蛋白和tau汇聚的APOE通路
该数据集来自NCBI GEO,标题为GSE117646,聚焦小胶质细胞翻译谱分析,覆盖衰老、淀粉样蛋白和tau三种模型。研究采用RiboTag翻译谱方法,绕过细胞富集或分选带来的偏差,揭示三种条件下共有的转录改变,并识别出以APOE为中心、汇聚于CCL3和CCL4的调控网络

基本信息
资源简介
GSE117646:小胶质细胞翻译谱揭示衰老、淀粉样蛋白和tau汇聚的APOE通路
Microglial translational profiling reveals a convergent APOE pathway from aging, amyloid, and tau
该数据集来自NCBI GEO,标题为GSE117646,聚焦小胶质细胞翻译谱分析,覆盖衰老、淀粉样蛋白和tau三种模型。研究采用RiboTag翻译谱方法,绕过细胞富集或分选带来的偏差,揭示三种条件下共有的转录改变,并识别出以APOE为中心、汇聚于CCL3和CCL4的调控网络。数据还显示老年雌性样本中该网络多个共享转录本显著加剧,提示雌性AD易感性升高的潜在机制。数据可用于探索阿尔茨海默病中小胶质细胞APOE通路及性别差异相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 25 201。
【数据内容】
源站描述(机器翻译,仅供参考):阿尔茨海默病(AD)是一种与年龄相关的神经退行性疾病,其特征为淀粉样变性、tau蛋白病以及大脑常驻先天免疫细胞小胶质细胞的激活。我们表明,RiboTag翻译谱分析方法可以绕过因细胞富集/细胞分选而导致的偏差。在我们最近题为“小胶质细胞翻译谱揭示衰老、淀粉样蛋白和tau汇聚的APOE通路”的研究中,我们利用在淀粉样变性、tau蛋白病和衰老模型中使用该方法获得的数据,揭示了一组共同的改变,并鉴定出一个以APOE驱动为中心、在所有条件下均汇聚于CCL3和CCL4的网络。值得注意的是,对老年雌性数据集的检查表明,该APOE网络中许多共享转录本显著加剧,揭示了雌性AD易感性增加的潜在机制。这项研究具有广
【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:GPL21103、10090。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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE117646
【使用注意】
· 源站最后修改于 Mar 19 201,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=GSE117646
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
阿尔茨海默病(AD)是一种与年龄相关的神经退行性疾病,其特征为淀粉样变性、tau蛋白病变以及小胶质细胞(脑内驻留的固有免疫细胞)的激活。我们展示了一种RiboTag翻译谱分析方法,能够规避因细胞富集/细胞分选而导致的偏差。在我们近期题为“小胶质细胞翻译谱分析揭示衰老、淀粉样变性和tau蛋白病变汇聚于APOE通路”的研究中,我们利用该方法在淀粉样变性、tau蛋白病变和衰老模型中获取的数据,揭示了一组共同的改变,并鉴定出一个以APOE为核心驱动、在所有条件下均汇聚于CCL3和CCL4的网络。值得注意的是,对衰老雌性数据集的分析显示,该APOE网络中许多共享转录本显著加剧,揭示了雌性AD易感性增加的潜在机制。该研究对小胶质细胞转录组学方法具有广泛意义,并为与衰老和AD不同病理方面相关的小胶质细胞通路提供了新见解。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




