帕金森病脑单细胞转录组与蛋白质组分析
该数据集来自 NCBI,包含帕金森病(PD)脑组织的单细胞转录组与蛋白质组数据。研究对 12 例晚期 PD 患者及年龄匹配对照的死后前额叶皮层组织进行单核转录组学和无偏蛋白质组学分析,共分析约 80,000 个细胞核,鉴定出八种主要细胞类型,包括脑内 T 细胞

基本信息
资源简介
帕金森病脑单细胞转录组与蛋白质组分析
Single-cell transcriptomic and proteomic analysis of Parkinson’s disease brains
该数据集来自 NCBI,包含帕金森病(PD)脑组织的单细胞转录组与蛋白质组数据。研究对 12 例晚期 PD 患者及年龄匹配对照的死后前额叶皮层组织进行单核转录组学和无偏蛋白质组学分析,共分析约 80,000 个细胞核,鉴定出八种主要细胞类型,包括脑内 T 细胞。数据可用于探索 PD 的分子架构、细胞类型特异性转录变化、α-突触核蛋白病理与伴侣蛋白表达的关系以及细胞间相互作用,为神经退行性疾病的机制研究提供资源(来源 NCBI)。
【数据集背景】
源站首次发布:May 04 202。
【数据内容】
源站描述(机器翻译,仅供参考):帕金森病(PD)是一种常见的神经退行性疾病,近期证据提示其发病机制可能由炎症过程介导。该疾病的分子架构仍有待全面阐明。我们利用来自 12 例晚期 PD 患者和年龄匹配对照的死后前额叶皮层组织,进行了单核转录组学和无偏蛋白质组学分析。我们分析了约 80,000 个细胞核,鉴定出八种主要细胞类型,包括脑内 T 细胞,每种细胞类型均具有与已知 PD 遗传学相符的独特转录变化。通过分析同一死后组织中的路易体病理,我们发现 α-突触核蛋白病理与兴奋性神经元中的伴侣蛋白表达呈负相关。检查细胞间相互作用时,我们发现神经元-星形胶质细胞相互作用选择性减弱,且神经炎症增强
【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=GSE202210
【使用注意】
· 源站最后修改于 Jul 03 202,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=GSE202210
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
帕金森病(PD)是一种常见的神经退行性疾病,近期证据提示其发病机制可能由炎症过程介导。该疾病的分子结构尚未完全阐明。我们采用来自12例晚期PD患者及年龄匹配对照者死后前额叶皮层组织,进行了单核转录组学和无偏蛋白质组学分析。我们分析了约80,000个细胞核,鉴定出八种主要细胞类型,包括脑内驻留T细胞,每种细胞类型均呈现出与PD已知遗传学相符的独特转录变化。通过分析同一死后组织中的路易小体病理,我们发现α-突触核蛋白病理与兴奋性神经元中伴侣蛋白表达呈负相关。研究细胞间相互作用时,我们发现神经元-星形胶质细胞相互作用选择性减弱,且神经炎症增强。对同一批脑组织的蛋白质组学分析鉴定出前额叶皮层中在PD中优先下调的突触蛋白。
引人注目的是,将此数据集与一项针对阿尔茨海默病(AD)的区域相似已发表分析相比较,我们发现在神经元中没有共同的差异表达基因,但在胶质细胞中识别出许多共享的差异表达基因,这表明帕金森病(PD)与AD的疾病病因可能不同。这些数据作为探究PD及其他神经退行性疾病分子和细胞基础的资源呈现。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




