GSE278716:阿尔茨海默病中富集的oxytosis/ferroptosis转录组特征
该数据集来自NCBI GEO,标题为GSE278716,聚焦阿尔茨海默病(AD)中oxytosis/ferroptosis转录组特征的富集情况

基本信息
资源简介
GSE278716:阿尔茨海默病中富集的oxytosis/ferroptosis转录组特征
Transcriptomic signatures of oxytosis/ferroptosis are enriched in Alzheimer’s disease
该数据集来自NCBI GEO,标题为GSE278716,聚焦阿尔茨海默病(AD)中oxytosis/ferroptosis转录组特征的富集情况。源站描述指出oxytosis/ferroptosis是一种非凋亡性调节性细胞死亡通路,涉及GSH耗竭、Gpx4抑制、LOXs激活、ROS产生和线粒体功能障碍,这些变化在衰老中可见并在AD中加剧。研究旨在通过多种AD细胞和动物模型及人AD脑样本的转录组特征考察该通路的发生。数据集含1个文件GSE278716_series_matrix.txt.gz,主题为高通量测序表达谱,物种标签10090,平台GPL17021。可用于AD相关转录组表达谱分析与分类研究(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):Oxytosis/ferroptosis是一种非凋亡性调节性细胞死亡通路,其特征是谷胱甘肽(GSH)耗竭,随之抑制GSH依赖性酶GSH过氧化物酶4(Gpx4)、激活脂氧合酶(LOXs)、产生活性氧(ROS)以及线粒体功能障碍,最终导致细胞死亡。这些变化中的大多数在衰老过程中可见,并在阿尔茨海默病(AD)中加剧。此外,已有研究表明,oxytosis/ferroptosis的新型抑制剂在衰老和AD小鼠模型中具有保护作用。这些抑制剂中最有效的之一是具有神经保护作用的化合物CMS121。本研究的目的是通过检查多种AD细胞和动物模型以及人AD脑样本中oxytosis/ferroptosis的转录组特征,来研究AD脑中oxytosis/ferroptosis的发生。我们的数据显示t
【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:GPL17021、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=GSE278716
【使用注意】
· 源站最后修改于 May 22 202,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=GSE278716
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
草酰中毒/铁死亡是一种非凋亡性调节性细胞死亡通路,其特征为谷胱甘肽(GSH)耗竭,继而抑制GSH依赖性酶GSH过氧化物酶4(Gpx4)、激活脂氧合酶(LOXs)、产生活性氧(ROS)以及线粒体功能障碍,最终导致细胞死亡。这些变化中的大多数在衰老过程中可观察到,并在阿尔茨海默病(AD)中加剧。此外,已有研究表明,新型草酰中毒/铁死亡抑制剂在衰老和AD小鼠模型中具有保护作用。这些抑制剂中最有效的之一是具有神经保护作用的化合物CMS121。本研究的目标是通过检测多种AD细胞和动物模型以及人AD脑样本中草酰中毒/铁死亡的转录组特征,来探究AD脑中草酰中毒/铁死亡的发生情况。我们的数据显示,草酰中毒/铁死亡的不同特征在AD小鼠和人AD患者脑中存在不同程度的富集。https://doi.org/10.1186/s12915-025-02235-6
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。




