阿尔茨海默病小鼠模型淀粉样斑块微环境的小胶质细胞-星形胶质细胞交互空间转录组数据(Stereo-seq)
该数据集来自 NCBI GEO(GSE263789),包含 1 个文件,为阿尔茨海默病小鼠模型淀粉样斑块微环境的高分辨率空间转录组数据(Stereo-seq)

基本信息
资源简介
阿尔茨海默病小鼠模型淀粉样斑块微环境的小胶质细胞-星形胶质细胞交互空间转录组数据(Stereo-seq)
Microglia - astrocyte cross-talk in the amyloid plaque niche of an Alzheimer’s disease mouse model as revealed by spatial transcriptomics (Stereo-seq Spatial Transcriptomics)
该数据集来自 NCBI GEO(GSE263789),包含 1 个文件,为阿尔茨海默病小鼠模型淀粉样斑块微环境的高分辨率空间转录组数据(Stereo-seq)。研究刻画了斑块微环境的转录组改变、细胞组成与信号扰动,发现小胶质细胞随时间的积累及胶质细胞对斑块的反应异质性,并揭示星形胶质细胞在诱导海马神经元 GABA 能信号、降低谷氨酸能信号中的作用。数据可用于研究神经胶质细胞交互、斑块微环境细胞组成及空间表达模式(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):在本研究中,我们利用高分辨率空间转录组技术(CosMx 和 Stereo-seq)刻画了 AD 小鼠模型淀粉样斑块微环境中的转录组改变、细胞组成和信号扰动。我们发现淀粉样斑块微环境的细胞组成具有广泛异质性,其特征是小胶质细胞积累随时间增加。我们分析了胶质细胞暴露于斑块时的改变,并得出结论:小胶质细胞对斑块的反应在不同脑区之间是一致的,而星形胶质细胞的反应则更具异质性。反过来,随着斑块微环境中小胶质细胞密度增加,星形胶质细胞获得更具神经毒性的表型,并在诱导海马神经元 GABA 能信号、降低谷氨酸能信号中发挥关键作用。综上所述,我们表明斑块周围的星形胶质细胞信号
【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:GPL28330、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=GSE263789
【使用注意】
· 源站最后修改于 Jul 19 202,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=GSE263789
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
在本研究中,我们利用高分辨率空间转录组学技术(CosMx和Stereo-seq),表征了AD小鼠模型中淀粉样斑块微环境的转录组改变、细胞组成及信号传导扰动。我们发现淀粉样斑块微环境的细胞组成具有广泛的异质性,其特征是随时间推移小胶质细胞积累增加。我们分析了胶质细胞暴露于斑块时所发生的变化,并得出结论:小胶质细胞对斑块的反应在不同脑区之间是一致的,而星形胶质细胞的反应则更具异质性。反过来,随着斑块微环境中小胶质细胞密度的增加,星形胶质细胞获得更具神经毒性的表型,并在诱导海马神经元中GABA能信号传导、减少谷氨酸能信号传导方面发挥关键作用。综上所述,我们表明斑块病理周围的星形胶质细胞信号传导随着小胶质细胞密度的增加而受到破坏,进而导致海马神经元中突触信号传导的失衡。
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。




