GSE278723:星形胶质细胞CSF1在阿尔茨海默病与脑淀粉样血管病中的差异作用:转录组分析见解
该数据集来自NCBI GEO,包含1个文件(GSE278723_series_matrix.txt.gz),基于高通量测序对50名个体海马-内嗅系统248份脑组织样本进行转录组分析,聚焦星形胶质细胞CSF1在阿尔茨海默病与脑淀粉样血管病中的差异表达及作用

基本信息
资源简介
GSE278723:星形胶质细胞CSF1在阿尔茨海默病与脑淀粉样血管病中的差异作用:转录组分析见解
Differential Roles of Astrocytic CSF1 in Alzheimer's Disease and Cerebral Amyloid Angiopathy: Insights from Transcriptomic Analysis
该数据集来自NCBI GEO,包含1个文件(GSE278723_series_matrix.txt.gz),基于高通量测序对50名个体海马-内嗅系统248份脑组织样本进行转录组分析,聚焦星形胶质细胞CSF1在阿尔茨海默病与脑淀粉样血管病中的差异表达及作用。数据可用于比较两种疾病亚型中CSF1表达变化、探索星形胶质细胞功能异质性及筛选相关分子标志物(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):阿尔茨海默病(AD)和脑淀粉样血管病(CAA)是以β-淀粉样蛋白(Aβ)在脑内病理性沉积为特征的神经退行性疾病。尽管这两种疾病共享共同的致病通路,但它们表现出不同的细胞表现和疾病进展。我们的研究聚焦于星形胶质细胞集落刺激因子1(CSF1)在这些疾病中的差异表达和作用。通过对来自50名个体海马-内嗅系统的248份脑组织样本进行转录组分析,我们发现AD患者CA4亚区中CSF1表达显著增加,而CAA中则显著降低。功能研究揭示,CSF1水平升高的星形胶质细胞表现出与AD样病理相关的神经毒性,而星形胶质细胞中CSF1表达降低则与CAA典型的血管损伤相关。
【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:GPL11154、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=GSE278723
【使用注意】
· 源站最后修改于 Jul 09 202,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=GSE278723
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
阿尔茨海默病(AD)和脑淀粉样血管病(CAA)是以β-淀粉样蛋白(Aβ)在脑内病理性沉积为特征的神经退行性疾病。尽管这两种疾病具有共同的致病通路,但它们表现出不同的细胞学表现和疾病进展。我们的研究聚焦于星形胶质细胞集落刺激因子1(CSF1)在这两种疾病中的差异表达及作用。通过对来自50名个体海马-内嗅系统248份脑组织样本的转录组分析,我们发现AD患者CA4亚区的CSF1表达显著升高,而CAA中则明显降低。功能研究表明,CSF1水平升高的星形胶质细胞表现出与AD样病理相关的神经毒性,而星形胶质细胞中CSF1表达降低则与CAA典型的血管损伤相关。这些发现提示CSF1在AD和CAA中发挥不同作用,促成了二者各自不同的病理特征。
我们的研究强调了靶向星形胶质细胞CSF1表达作为鉴别诊断标志物和治疗方法的潜力,可用于管理这些相互重叠但又各具特征的神经系统疾病。
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。




