GSE204966:嗅觉丧失是C57BL6/J小鼠衰老的早期标志并与炎症和DNA损伤相关
该数据集来自NCBI GEO,包含C57BL6/J小鼠嗅觉相关行为的年龄相关变化及分子基础研究,采用表达谱芯片(GPL21810,小鼠10090)检测

基本信息
资源简介
GSE204966:嗅觉丧失是C57BL6/J小鼠衰老的早期标志并与炎症和DNA损伤相关
Loss of smelling is an early marker of aging and is associated with inflammation and DNA damage in C57BL6/J mice
该数据集来自NCBI GEO,包含C57BL6/J小鼠嗅觉相关行为的年龄相关变化及分子基础研究,采用表达谱芯片(GPL21810,小鼠10090)检测。数据覆盖嗅觉辨别、敏感性、识别等行为域,并关联炎症与DNA损伤机制。可用于探索衰老早期生物标志物、嗅觉功能障碍与神经退行性疾病的分子关联,以及构建分类或预测模型(来源 NCBI)。
【数据集背景】
源站首次发布:May 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):嗅觉功能障碍(丧失检测气味的能力)是人类年龄相关神经退行性疾病(包括阿尔茨海默病和帕金森病)的常见症状和早期标志。然而,由于嗅觉功能障碍也是正常衰老的常见症状,因此有必要识别非病理性衰老中嗅觉功能障碍背后的相关行为与机制变化。在本研究中,我们系统研究了C57BL6/J小鼠嗅觉四个特定领域的年龄相关行为变化及其分子基础。我们的结果表明,选择性气味辨别丧失是衰老过程中最早出现的气味行为变化,随后是气味敏感性和识别能力的下降。与记忆和运动功能相关的行为变化相比,嗅觉丧失是最早的衰老生物标志物之一。
【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、GPL21810、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=GSE204966
【使用注意】
· 源站最后修改于 May 22 202,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=GSE204966
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
嗅觉功能障碍(即无法察觉气味的能力丧失)是人类与年龄相关的神经退行性疾病(包括阿尔茨海默病和帕金森病)的常见症状和早期标志。然而,由于嗅觉功能障碍也是正常衰老的常见症状,因此识别非病理性衰老中嗅觉功能障碍所依据的相关行为学和机制变化十分重要。在本研究中,我们系统研究了C57BL6/J小鼠嗅觉四个特定领域中与年龄相关的行为变化及其分子基础。我们的结果表明,选择性气味辨别能力丧失是衰老过程中最早出现的气味行为变化,随后是气味敏感性和识别能力的下降。与记忆和运动功能相关的行为变化相比,嗅觉丧失是最早的衰老生物标志物之一。在衰老过程中,与氧化应激、渗透调节物质和感染相关的代谢物在嗅球中发生失调,而G蛋白偶联受体相关信号在老年小鼠嗅球中显著下调。
在老小鼠的嗅球中,聚ADP-核糖基化水平以及DNA损伤标志物和炎症蛋白表达显著增加,同时检测到NAD+水平降低。通过饮水补充NR以提高NAD+水平,可延长老年小鼠寿命并部分改善其嗅觉。
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。




