阿尔茨海默病TREM2携带者与非携带者脑表达模块的细微变化
该数据集来自NCBI GEO,标题为GSE140841,聚焦阿尔茨海默病中TREM2罕见编码变异携带者与非携带者脑组织表达模块的细微差异

基本信息
资源简介
阿尔茨海默病TREM2携带者与非携带者脑表达模块的细微变化
Subtle changes in brain expression modules in Alzheimer’s disease TREM2 carriers compared to non-carriers
该数据集来自NCBI GEO,标题为GSE140841,聚焦阿尔茨海默病中TREM2罕见编码变异携带者与非携带者脑组织表达模块的细微差异。数据包含1个文件(GSE140841_series_matrix.txt.gz),基于高通量测序表达谱,平台为GPL18573,物种为人(9606)。可用于比较TREM2携带者与非携带者的脑表达模块变化,探索TREM2功能失调与阿尔茨海默病之间的潜在机制(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 22 201。
【数据内容】
源站描述(机器翻译,仅供参考):背景:在髓样细胞触发受体2(TREM2)基因中已鉴定出对晚发性阿尔茨海默病发病风险有较大影响的罕见杂合编码变异(与ApoE4相似,OR 2.90-5.05)。然而,关于Trem2调节异常可能导致AD的机制知之甚少。
【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:GPL18573、9606。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=GSE140841
【使用注意】
· 源站最后修改于 Oct 04 202,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=GSE140841
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
背景:已在髓样细胞触发受体2(TREM2)基因中鉴定出对晚发性阿尔茨海默病发病风险具有较大影响的罕见杂合编码变异(类似于ApoE4,OR 2.90-5.05)。然而,关于Trem2失调可能导致AD的机制知之甚少。
方法:我们对来自携带已知增加阿尔茨海默病风险的TREM2变异个体的5个(主要为2个)脑区的样本进行了差异表达和共表达网络分析,并利用RNA-Seq从系统层面了解TREM2突变的影响。
结果:Trem2缺失在较早年龄时影响更强,在皮层中4个月时差异表达(DE)基因数量比8个月时多17倍。通过整合DE基因和网络分析,我们发现了与4月龄时血管形成破坏相关的基因簇,以及与8月龄时主要影响海马区的蛋白质靶向相关的基因簇。
细胞类型与本体信息的进一步整合揭示了一个富集内皮细胞标志物的基因模块发生大规模紊乱,与此同时,富集神经元细胞标志物的模块与具有少突胶质细胞和星形胶质细胞身份的模块之间的连接减弱。具有神经元身份的模块仅在KO中表达降低,且在此处它与一个富集吞噬功能的新模块关联更为紧密。结论:通过对TREM2突变携带者大脑进行基因共表达和差异表达分析,我们证明有害TREM2突变的存在会产生细微的紊乱。
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。




