AppNL-G-F敲入阿尔茨海默病小鼠模型海马基因表达比较分析
该数据集来自NCBI GEO,包含6月龄App[NL-G-F/NL-G-F]敲入阿尔茨海默病模型小鼠海马的基因表达谱芯片数据,用于与既往人AD脑海马基因表达数据开展跨物种比较分析

基本信息
资源简介
AppNL-G-F敲入阿尔茨海默病小鼠模型海马基因表达比较分析
Comparative profiling of hippocampal gene expression in AppNL-G-F knock-in mouse model of Alzheimer's disease.
该数据集来自NCBI GEO,包含6月龄App[NL-G-F/NL-G-F]敲入阿尔茨海默病模型小鼠海马的基因表达谱芯片数据,用于与既往人AD脑海马基因表达数据开展跨物种比较分析。数据可用于识别AD海马分子病理改变、比较人鼠表达谱异同,并支持AD相关基因表达分类与差异分析研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 31 202。
【数据内容】
源站描述(机器翻译,仅供参考):为识别阿尔茨海默病(AD)脑中的分子病理改变,我们此前曾使用为久山研究捐赠的死后人脑制备的RNA,通过人类基因芯片进行过比较基因表达谱分析。AD脑的海马显示出最显著的基因表达谱改变(PMID: 23595620)。在本研究中,为全面了解AD海马的基因表达谱,我们对相同样本应用了人类转录组芯片和深度RNA测序,并重新分析了基因芯片数据,对全部3种方法进行了整合分析。我们还对6月龄App[NL-G-F/NL-G-F]敲入AD模型小鼠的海马应用了基因芯片,最后进行了跨物种比较。
【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:Expression profiling by array、GPL16570、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=GSE157161
【使用注意】
· 源站最后修改于 Jan 10 202,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=GSE157161
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
为识别阿尔茨海默病(AD)脑内的分子病理改变,我们此前曾利用为久山研究捐赠的死后人脑制备的RNA,通过人类基因芯片进行过比较基因表达谱分析。AD脑的海马体显示出最显著的基因表达谱改变(PMID:23595620)。在本研究中,为全面了解AD海马体的基因表达谱,我们对同一批样本应用了人类转录组芯片和深度RNA测序,并重新分析了基因芯片数据,对全部3种方法进行了整合分析。我们还对6月龄App[NL-G-F/NL-G-F]敲入AD模型小鼠的海马体应用了基因芯片,最后进行了种间比较。对人类AD海马体3种方法整合分析所得最显著改变基因的IPA分析显示,神经传递、突触传递和神经元发育是显著下降程度最高的功能。
在表现出显著淀粉样变性但无神经元变性的App[NL-G-F/NL-G-F]小鼠海马体中,我们发现Gfap(星形胶质细胞标记物)和Cd68(小胶质细胞标记物)基因的表达显著上调,同时细胞免疫应答类别中的基因也显著上调。比较人类和小鼠数据,我们发现主要的共同基因与炎症细胞的募集有关。淀粉样蛋白β积累是6月龄App[NL-G-F/NL-G-F]小鼠AD的主要标志,因此我们的数据表明,在AD脑早期阶段,淀粉样蛋白β积累在神经元变性之前就增加了炎症细胞的募集。
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。




