阿尔茨海默病神经炎症风险基因反义寡核苷酸靶向研究(TREM2亚组)
该数据集来自NCBI GEO,标题为阿尔茨海默病神经炎症风险基因可通过RNase-H活性反义寡核苷酸在人微胶质细胞中靶向(TREM2亚组)

基本信息
资源简介
阿尔茨海默病神经炎症风险基因反义寡核苷酸靶向研究(TREM2亚组)
Alzheimer’s disease neuroinflammatory risk genes can be targeted with RNase-H active antisense oligonucleotides in human microglia (TREM2 subset_GEO)
该数据集来自NCBI GEO,标题为阿尔茨海默病神经炎症风险基因可通过RNase-H活性反义寡核苷酸在人微胶质细胞中靶向(TREM2亚组)。数据基于表达谱芯片,包含1个文件,涉及人髓系细胞(含iPSC来源微胶质细胞)中APOE和TREM2的反义寡核苷酸调控研究。可用于探索阿尔茨海默病相关风险基因的表达调控及反义寡核苷酸靶向策略的预测分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):微胶质细胞在维持大脑稳态中发挥重要作用。编码载脂蛋白E(APOE)和髓系细胞触发受体2(TREM2)的基因变异被确定为阿尔茨海默病(AD)最强的风险因素,这凸显了微胶质细胞生物学在大脑中的重要性。微胶质细胞蛋白的序列、结构和功能在物种间保守性差,这阻碍了靶向APOE和TREM2的治疗策略的开发。靶向APOE和TREM2的一种方法是使用反义寡核苷酸(ASO)调节其表达。在本研究中,我们鉴定了在人髓系细胞(包括iPSC来源的微胶质细胞)中选择性且有效降低人APOE和TREM2水平的ASO。我们证明,在小鼠脑脊液中单次推注递送ASO足以使ASO成为药物
【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、GPL31262、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=GSE222332
【使用注意】
· 源站最后修改于 Jan 02 202,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=GSE222332
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
小胶质细胞在维持脑内稳态中发挥重要作用。载脂蛋白E(APOE)和髓系细胞触发受体2(TREM2)编码基因中的遗传变异被确定为阿尔茨海默病(AD)最强的风险因素,这一发现凸显了小胶质细胞生物学在脑中的重要性。小胶质细胞蛋白的序列、结构和功能在物种间保守性较差,这阻碍了靶向APOE和TREM2的治疗策略的开发。靶向APOE和TREM2的一种方法是使用反义寡核苷酸(ASO)调节其表达。在本研究中,我们鉴定出了能够在人髓系细胞(包括iPSC来源的小胶质细胞)中选择性且强效降低人APOE和TREM2水平的ASO。我们证明,向小鼠脑脊液中单次推注递送ASO即足以使ASO具有药理学活性,并在整个啮齿类动物大脑中改变异种移植人小胶质细胞的表型,持续时间至少4周。
本研究首次提供了概念验证,证明可以通过反义寡核苷酸(ASOs)以剂量依赖的方式调节小胶质细胞基因的表达,从而在体内操控人类小胶质细胞的表型,并展示了这些ASOs作为研究和治疗工具在调节神经炎症方面的实用性。
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。




