APOE3 Christchurch纯合子抵抗常染色体显性阿尔茨海默病的tau神经病理与细胞图谱
该数据集来自NCBI GEO,包含一例常染色体显性阿尔茨海默病(ADAD)PSEN1 E280A携带者且为APOE3 Christchurch纯合子的随访PET影像与尸检发现,该个体在预期发病年龄后近三十年未出现症状

基本信息
资源简介
APOE3 Christchurch纯合子抵抗常染色体显性阿尔茨海默病的tau神经病理与细胞图谱
Distinct tau neuropathology and cellular profiles of a APOE3 Christchurch homozygote protected against Autosomal Dominant Alzheimer’s dementia
该数据集来自NCBI GEO,包含一例常染色体显性阿尔茨海默病(ADAD)PSEN1 E280A携带者且为APOE3 Christchurch纯合子的随访PET影像与尸检发现,该个体在预期发病年龄后近三十年未出现症状。数据覆盖额叶、海马和枕叶皮层的转录组表达谱,可用于研究tau病理区域分布差异、RORB阳性神经元、稳态星形胶质细胞及APOE表达等保护机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 23 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们描述了一位常染色体显性阿尔茨海默病(ADAD)PSEN1 E280A携带者的体内随访PET成像和尸检发现,该携带者同时为APOE3 Christchurch(APOE3ch)变异纯合子,并在预期发病年龄后近三十年免受阿尔茨海默病症状影响。我们识别出一种独特的tau病理解剖模式,其特征为体内非典型积累和尸检区域分布异常,表现为额叶皮层免受累及而枕叶皮层严重病理。额叶皮层和海马受tau病理影响小于枕叶皮层,含有相关孤儿受体B(RORB)阳性神经元、稳态星形胶质细胞和较高的APOE表达。枕叶皮层是唯一显示脑淀粉样血管病(CAA)的皮层区域,表现出独特的慢性炎症小胶
【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:GPL20301、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=GSE206744
【使用注意】
· 源站最后修改于 Aug 26 202,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=GSE206744
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
我们描述了1例常染色体显性阿尔茨海默病(ADAD)PSEN1 E280A携带者的体内随访PET成像和尸检结果,该携带者同时为APOE3 Christchurch(APOE3ch)变异的纯合子,并且在超出预期发病年龄近三十年后仍未出现阿尔茨海默病症状。我们识别出一种独特的tau病理解剖模式,其特征为体内非典型蓄积和尸检时异常的区域分布,表现为额叶皮质免受累及而枕叶皮质存在严重病理。额叶皮质和海马受tau病理的影响轻于枕叶皮质,其中含有相关孤儿受体B(RORB)阳性神经元、稳态星形胶质细胞和较高的APOE表达。枕叶皮质是唯一显示脑淀粉样血管病(CAA)的皮质区域,表现出独特的慢性炎症性小胶质细胞特征和较低的APOE表达。因此,Christchurch变异影响tau病理的分布,调节ADAD的发病年龄、严重程度、进展和临床表现,提示可能的治疗策略。
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。




