小鼠灰质与白质在髓鞘异常下的单核转录组测序
该数据集为小鼠灰质与白质在髓鞘异常条件下的单核转录组测序数据,来源于NCBI GEO,包含1个文件。研究旨在识别髓鞘异常下的细胞异质性变化,涉及阿尔茨海默病与衰老相关的髓鞘功能障碍,以及淀粉样蛋白沉积机制

基本信息
资源简介
小鼠灰质与白质在髓鞘异常下的单核转录组测序
Single-nuclei transcriptome sequencing of mouse grey and white matter under myelin abnormalities
该数据集为小鼠灰质与白质在髓鞘异常条件下的单核转录组测序数据,来源于NCBI GEO,包含1个文件。研究旨在识别髓鞘异常下的细胞异质性变化,涉及阿尔茨海默病与衰老相关的髓鞘功能障碍,以及淀粉样蛋白沉积机制。数据可用于分析不同脑区细胞类型在髓鞘损伤下的转录组差异,探索髓鞘缺陷与AD病理的关联(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 16 202。
【数据内容】
源站描述(机器翻译,仅供参考):该数据集的目的是识别髓鞘异常下的细胞异质性变化。阿尔茨海默病(AD)是最常见的痴呆和神经退行性疾病,随着人类寿命延长,其患病率不断增加。然而,衰老为何是AD发展的最大风险因素,仍知之甚少。衰老显著影响少突胶质细胞及其髓鞘的结构完整性,这也导致继发性组织炎症。我们提出衰老相关的髓鞘功能障碍与作为早期AD主要神经病理标志的淀粉样蛋白-β(Aβ)沉积之间存在机制联系,并假设髓鞘破坏——尤其是皮层区域——是AD中淀粉样蛋白沉积的上游驱动因素。在此,我们展示了在AD转基因小鼠模型中,由Cnp或Plp1基因缺陷引起的髓鞘缺陷
【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:GPL24247、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=GSE178295
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=GSE178295
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
该数据集旨在识别髓鞘异常情况下的细胞异质性变化。阿尔茨海默病(AD)是最常见的痴呆症和神经退行性疾病,随着人类寿命延长,其患病率不断增加。然而,衰老为何构成AD发病的最大风险因素,目前仍知之甚少。衰老显著影响少突胶质细胞及其髓鞘的结构完整性,这也会引发继发性组织炎症。我们提出,衰老相关的髓鞘功能障碍与作为早期AD主要神经病理标志的淀粉样β蛋白(Aβ)沉积之间存在机制性联系,并假设髓鞘破坏——尤其是皮质区域——是AD中淀粉样蛋白沉积的上游驱动因素。在此,我们通过光片显微镜成像显示,在AD转基因小鼠模型中,由Cnp或Plp1缺失基因诱导的髓鞘缺陷以及直接脱髓鞘均是体内淀粉样蛋白沉积的有力驱动因素。在转录组水平上,批量及单细胞RNA测序成功揭示了Cnp-/-动物中诱导产生的疾病相关小胶质细胞(DAM)样表型。
然而,这些激活的小胶质细胞主要与髓鞘相互作用,似乎阻止了小胶质细胞群对Aβ斑块的保护性反应。因此,我们的工作确定了髓鞘老化是阿尔茨海默病先前被忽视的风险因素,并为针对髓鞘健康的阿尔茨海默病治疗提供了依据。
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。




