PPAR激动剂DTMB减轻5xFAD小鼠模型慢性神经炎症
该数据集来自NCBI GEO,标题为PPAR激动剂DTMB减轻5xFAD小鼠模型慢性神经炎症,属于神经系统疾病/阿尔茨海默病分类

基本信息
资源简介
PPAR激动剂DTMB减轻5xFAD小鼠模型慢性神经炎症
PPAR agonist, DTMB reduces chronic neuroinflammation in 5xFAD mice model.
该数据集来自NCBI GEO,标题为PPAR激动剂DTMB减轻5xFAD小鼠模型慢性神经炎症,属于神经系统疾病/阿尔茨海默病分类。数据包含1个文件GSE184855_series_matrix.txt.gz,采用高通量测序进行表达谱分析,平台为GPL17021,物种为小鼠(10090)。源站描述指出DTMB通过降低NF-κB蛋白水平减少促炎细胞因子产生,改善5xFAD小鼠学习记忆缺陷并减少Aβ斑块。该数据可用于研究阿尔茨海默病神经炎症与Aβ病理的分子机制及药物响应(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 27 202。
【数据内容】
源站描述(机器翻译,仅供参考):在阿尔茨海默病患者的大脑中,常观察到β-淀粉样蛋白(Aβ)斑块的异常产生和慢性神经炎症,两者均会诱导神经元细胞死亡、记忆丧失和认知功能障碍。然而,许多针对Aβ肽产生的药物在治疗阿尔茨海默病方面并未成功。在本研究中,我们鉴定出一种合成的新型过氧化物酶体增殖物激活受体(PPAR)激动剂DTMB,它可以改善阿尔茨海默病的慢性炎症和Aβ病理进展。我们发现DTMB通过降低NF-κB的蛋白水平来减弱小胶质细胞促炎细胞因子的产生。DTMB还改善了5xFAD小鼠的学习和记忆缺陷,并减少了大脑中的Aβ斑块量。Aβ病理的这种减少归因于胶质细胞增生和慢性……(源站描述在此处截断)
【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:GPL17021、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=GSE184855
【使用注意】
· 源站最后修改于 Sep 01 202,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=GSE184855
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
在阿尔茨海默病患者的大脑中,常可观察到β-淀粉样蛋白(Aβ)斑块的异常生成和慢性神经炎症,二者均可诱导神经元细胞死亡、记忆丧失和认知功能障碍。然而,许多针对Aβ肽生成的药物在治疗阿尔茨海默病方面并未取得成功。在本研究中,我们鉴定出一种新型合成过氧化物酶体增殖物激活受体(PPAR)激动剂DTMB,其能够改善阿尔茨海默病的慢性炎症和Aβ病理进展。我们发现,DTMB通过降低NF-κB的蛋白水平来减弱小胶质细胞促炎细胞因子的产生。DTMB还改善了5xFAD小鼠的学习和记忆缺陷,并减少了其大脑中的Aβ斑块数量。Aβ病理的这一减少归因于胶质细胞增生和慢性炎症水平的变化。此外,bulk RNA测序显示,在DTMB处理小鼠的海马和皮层中,与炎症和认知功能相关的基因发生了改变。我们的研究结果表明,DTMB有望成为治疗阿尔茨海默病的新型治疗药物。
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。




