阿尔茨海默病早衰细胞单核转录组特征数据集
该数据集来自 NCBI GEO(GSE264648),包含阿尔茨海默病(AD)与非痴呆对照(NDC)死后脑组织的成像质谱流式(IMC)和单核 RNA 测序(snRNA)数据,测序核数超过 20 万

基本信息
资源简介
阿尔茨海默病早衰细胞单核转录组特征数据集
Characterization of premature cell senescence in Alzheimer’s disease using single nuclear transcriptomics
该数据集来自 NCBI GEO(GSE264648),包含阿尔茨海默病(AD)与非痴呆对照(NDC)死后脑组织的成像质谱流式(IMC)和单核 RNA 测序(snRNA)数据,测序核数超过 20 万。数据可用于研究 AD 中胶质细胞的早衰特征、衰老相关基因表达与 β-淀粉样蛋白负荷的关系,以及小胶质细胞吞噬通路下调、DNA 双链断裂、线粒体功能障碍和内质网应激等过程,适合开展表达谱分析与细胞状态分类研究(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 23 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老与细胞衰老相关,并且是 AD 的主要风险因素。我们利用成像质谱流式(IMC)和单核 RNA(snRNA)测序(超过 200,000 个细胞核),表征了非疾病对照(NDC)和阿尔茨海默病(AD)供者死后脑组织中的早衰细胞。我们发现,与 NDC 相比,AD 中半乳糖苷酶 beta(>4 倍)和 p16INK4A(最高 2 倍)免疫染色阳性的胶质细胞数量增加。与衰老相关的胶质基因表达增加与更大的 β-淀粉样蛋白负荷相关。早衰的小胶质细胞下调了吞噬通路,提示其清除 β-淀粉样蛋白的能力降低。基因集富集和伪时间轨迹描述了广泛的 DNA 双链断裂(DSBs)、线粒体功能障碍和内质网应激,这些与 β-淀粉样蛋白增加相关,并导致小胶质细胞早衰。我们
【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=GSE264648
【使用注意】
· 源站最后修改于 Apr 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=GSE264648
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
衰老与细胞衰老相关,是阿尔茨海默病(AD)的主要风险因素。我们利用成像质谱流式技术(IMC)和单核RNA(snRNA)测序(>200,000个细胞核),对非疾病对照(NDC)和阿尔茨海默病(AD)供者死后大脑中的过早细胞衰老进行了表征。我们发现,与NDC相比,AD中β-半乳糖苷酶(>4倍)和p16INK4A(高达2倍)免疫染色阳性的胶质细胞数量增加。与衰老相关基因的胶质表达增加与更大的β-淀粉样蛋白负荷相关。过早衰老的小胶质细胞下调了吞噬通路,提示β-淀粉样蛋白清除能力降低。基因集富集和伪时间轨迹描述了广泛的DNA双链断裂(DSB)、线粒体功能障碍和内质网应激,这些与β-淀粉样蛋白增加相关,导致小胶质细胞过早衰老。我们用独立的AD snRNA-seq数据集重复了这些观察结果。我们的结果描述了AD中衰老胶质细胞的负荷足够高,足以促进疾病进展。这些发现支持小胶质细胞是AD中衰老细胞清除治疗的主要靶点这一假说。
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。




