GSE136789:寡聚化人Aβ1-42抑制抗原呈递
该数据集来自NCBI GEO,包含1个文件(GSE136789_series_matrix.txt.gz),针对非转基因C57BL/6小鼠骨髓来源树突状细胞(BM-DCs)在未处理对照、LPS处理、Aβ1-42寡聚体处理及Aβ1-42寡聚体联合LPS处理四种条件下的转录组RNA测序数据

基本信息
资源简介
GSE136789:寡聚化人Aβ1-42抑制抗原呈递
Oligomeric human Aβ1-42 inhibits antigen presentation
该数据集来自NCBI GEO,包含1个文件(GSE136789_series_matrix.txt.gz),针对非转基因C57BL/6小鼠骨髓来源树突状细胞(BM-DCs)在未处理对照、LPS处理、Aβ1-42寡聚体处理及Aβ1-42寡聚体联合LPS处理四种条件下的转录组RNA测序数据。研究旨在探究炎症在阿尔茨海默病中的作用及β-淀粉样变相关的信号通路,以识别潜在治疗靶点。数据可用于差异表达分析、通路富集及抗原呈递相关基因调控研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 03 201。
【数据内容】
源站描述(机器翻译,仅供参考):本研究的目的是探究炎症在阿尔茨海默病(AD)中的参与情况,并阐明在β-淀粉样变(AD发病机制的标志)存在下所涉及的信号通路,以帮助识别潜在的治疗靶点。为此,我们按照既定方案从非转基因C57BL/6小鼠的股骨、胫骨和髋骨中分离骨髓来源祖细胞,并用LPS使其成熟。为了获得暴露于预聚集β-淀粉样肽(Aβ)寡聚体的小鼠骨髓来源树突状细胞(BM-DCs)中基因调控的无偏视图,我们通过探索性RNA测序分析了未处理的未成熟对照BM-DCs('Ctrl')、LPS处理的BM-DCs('LPS')、Aβ1-42寡聚体处理的BM-DCs('Aβ')以及用Aβ1-42寡聚体和LPS处理的BM-DCs('Aβ+LPS')的转录组。
【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:GPL21493、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=GSE136789
【使用注意】
· 源站最后修改于 Jun 29 202,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=GSE136789
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
本研究旨在探究炎症在阿尔茨海默病(AD)中的参与作用,并阐明在β-淀粉样变性(AD发病机制的标志性特征)存在时所涉及的信号通路,以帮助确定潜在的治疗靶点。为此,我们按照既定方案从非转基因C57BL/6小鼠的股骨、胫骨和髋骨中分离骨髓来源祖细胞,并用LPS使其成熟。为获得暴露于预聚集β-淀粉样肽(Aβ)寡聚体的小鼠骨髓来源树突状细胞(BM-DCs)基因调控的无偏视图,我们通过探索性RNA测序分析了未处理的未成熟对照BM-DCs(‘Ctrl’)、LPS处理的BM-DCs(‘LPS’)、Aβ1-42寡聚体处理的BM-DCs(‘Aβ’)以及用Aβ1-42寡聚体和LPS处理的BM-DCs(‘Aβ+LPS’)的转录组。
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。




