散发性早发型阿尔茨海默病三个脑区的单核多组学图谱
该数据集来自 NCBI GEO(GSE272082),针对散发性早发型阿尔茨海默病(sEOAD),构建了来自 4 例 sEOAD 患者和 5 例对照供者死后前额叶皮层、内嗅皮层和海马共 7 万余个细胞核的单核多组学图谱

基本信息
资源简介
散发性早发型阿尔茨海默病三个脑区的单核多组学图谱
Single-nucleus multiomics reveals the regulatory programs in three brain regions of sporadic early-onset Alzheimer's Disease
该数据集来自 NCBI GEO(GSE272082),针对散发性早发型阿尔茨海默病(sEOAD),构建了来自 4 例 sEOAD 患者和 5 例对照供者死后前额叶皮层、内嗅皮层和海马共 7 万余个细胞核的单核多组学图谱。数据可用于刻画各脑区细胞类型特异的转录组变化、关联候选顺式调控元件,并分析胶质细胞与神经元间信号通讯的改变,为研究 sEOAD 的调控程序提供资源(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 12 202。
【数据内容】
源站描述(机器翻译,仅供参考):散发性早发型阿尔茨海默病(sEOAD)是阿尔茨海默病的一个重要但研究较少的亚型。在本研究中,我们构建了一个单核多组学图谱,包含来自 4 例 sEOAD 患者和 5 例对照供者死后前额叶皮层、内嗅皮层和海马的 7 万余个细胞核。我们开展了综合分析,以刻画这些脑区中细胞类型特异的转录组变化及关联的候选顺式调控元件(cCREs)。我们在多个脑区的胶质细胞和神经元中鉴定并优先排序了七个保守转录因子,包括星形胶质细胞中的 RFX4 和小胶质细胞中的 IKZF1,它们参与 sEOAD 相关基因的调控。此外,我们研究了胶质细胞与神经元之间改变的细胞间信号传导,强调了其对基因表达的调控潜力。
【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:GPL24676、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=GSE272082
【使用注意】
· 源站最后修改于 Feb 18 202,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=GSE272082
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
散发性早发性阿尔茨海默病(sEOAD)是阿尔茨海默病中一个重要但研究较少的亚型。在本研究中,我们从四名sEOAD患者和五名对照供者的死后前额叶皮层、内嗅皮层和海马中提取了超过70,000个细胞核,构建了单核多组学图谱。我们进行了全面分析,以描绘这些脑区中细胞类型特异性的转录组变化及相关的候选顺式调控元件(cCREs)。我们在多个脑区的胶质细胞和神经元中鉴定并优先排序了七个保守转录因子,包括星形胶质细胞中的RFX4和小胶质细胞中的IKZF1,它们参与sEOAD相关基因的调控。此外,我们研究了胶质细胞与神经元之间改变的细胞间信号传导,强调了它们对接收细胞基因表达的调控潜力。最后,我们报道了与sEOAD相关基因连锁的小胶质细胞cCREs中晚发性阿尔茨海默病风险位点的富集现象。
该图谱加深了我们对sEOAD中转录和染色质动态的理解,并为进一步的病理学研究提供了基础资源。
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。




