hiPSC来源星形胶质细胞的CROP-seq(scRNA-Seq)
该数据集为hiPSC来源星形胶质细胞的CROP-seq单细胞转录组数据,结合CRISPRi筛选系统研究炎症反应性。数据覆盖人类星形胶质细胞在炎症刺激下的基因表达谱,包含1个文件GSE182308_series_matrix.txt.gz

基本信息
资源简介
hiPSC来源星形胶质细胞的CROP-seq(scRNA-Seq)
CROP-seq of hiPSC-derived astrocytes (scRNA-Seq)
该数据集为hiPSC来源星形胶质细胞的CROP-seq单细胞转录组数据,结合CRISPRi筛选系统研究炎症反应性。数据覆盖人类星形胶质细胞在炎症刺激下的基因表达谱,包含1个文件GSE182308_series_matrix.txt.gz。可用于分析NF-kB下游IL-6和干扰素信号驱动的两种炎症反应状态及其与STAT3和IRF1的关联,并与其他实验背景(包括体内)观察到的状态进行比较(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 17 202。
【数据内容】
源站描述(机器翻译,仅供参考):响应中枢神经系统损伤或疾病,星形胶质细胞变得反应性,采用依赖环境的具有改变功能的状态。某些炎症刺激诱导反应性星形胶质细胞状态,这些状态失去稳态功能并获得神经毒性,并可能促进神经炎症和神经退行性疾病。然而,控制这些状态的细胞通路尚未完全了解。在这里,我们将单细胞转录组学与CRISPRi筛选结合在人类iPSC来源的星形胶质细胞中,以系统地探究炎症反应性。我们发现,经典NF-kB激活下游的自分泌-旁分泌IL-6和干扰素信号分别驱动了两种不同的炎症反应状态,依赖于STAT3和IRF1。此外,这些状态与其他实验背景(包括体内)中观察到的状态相对应,并且它们的标志物w
【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:GPL24676、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=GSE182308
【使用注意】
· 源站最后修改于 Jan 23 202,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=GSE182308
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
针对中枢神经系统损伤或疾病,星形胶质细胞会变为反应性,呈现出功能改变的、依赖于具体情境的状态。某些炎症性刺激可诱导反应性星形胶质细胞状态,使其丧失稳态功能并获得神经毒性,且可能促进神经炎症和神经退行性疾病。然而,控制这些状态的细胞通路尚未被完全理解。在此,我们将单细胞转录组学与人类iPSC来源星形胶质细胞中的CRISPRi筛选相结合,以系统性地探究炎症反应性。我们发现,经典NF-kB激活下游的自分泌-旁分泌IL-6和干扰素信号分别驱动了两种不同的炎症反应性状态,分别依赖于STAT3和IRF1。此外,这些状态与在其他实验情境(包括体内)中观察到的状态相对应,并且其标志物在阿尔茨海默病和缺血缺氧性脑病的人类大脑中上调。这些结果以及我们建立的平台有潜力指导开发能够选择性调节炎症性星形胶质细胞反应性不同方面的治疗手段。
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。




