GSE280268:追踪衰老、阿尔茨海默病与路易体痴呆共享分子特征的人脑图谱
该数据集来自NCBI GEO,包含一项针对人脑组织的全转录组分析,样本覆盖海马、颞叶与顶叶皮层、扣带回及黑质,来自Abbiategrasso脑库中经神经病理诊断为阿尔茨海默病和路易体痴呆的受试者(每种病理6例)及3例年龄匹配样本

基本信息
资源简介
GSE280268:追踪衰老、阿尔茨海默病与路易体痴呆共享分子特征的人脑图谱
A pattern to rule them all: tracing a human brain map of shared molecular aspects across aging, Alzheimer’s disease and dementia with Lewy bodies
该数据集来自NCBI GEO,包含一项针对人脑组织的全转录组分析,样本覆盖海马、颞叶与顶叶皮层、扣带回及黑质,来自Abbiategrasso脑库中经神经病理诊断为阿尔茨海默病和路易体痴呆的受试者(每种病理6例)及3例年龄匹配样本。研究结合基因集富集分析(GSEA),旨在识别连接衰老与不同痴呆类型的共享分子线索,为探索新的治疗靶点提供数据基础。数据可用于差异表达分析、通路富集及跨疾病分子特征比较等研究(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老通常以因不同形式痴呆的发病而导致的认知能力进行性丧失为特征。其中,阿尔茨海默病(AD)和路易体痴呆(LBD)是最为普遍的类型。然而,关于这些疾病之间的共同方面以及这些方面如何与衰老本身相关联,人们知之甚少。通过这项工作,我们旨在识别一条可能将衰老与不同痴呆联系起来的分子红线,以便有可能突出用于新型治疗策略的战略性靶点。对来自Abbiategrasso脑库(ABB)的受试者(神经病理学诊断为AD和LBD,每种病理6例,以及3例年龄匹配)的海马(HI)、颞叶和顶叶皮层(TC、PC)、扣带回皮层(CG)以及黑质(SN)的脑样本进行了全转录组分析和基因集富集分析(GSEA)。
【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:GPL21697、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=GSE280268
【使用注意】
· 源站最后修改于 Nov 07 202,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=GSE280268
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
衰老通常表现为因不同类型痴呆的发病而导致的认知能力逐渐丧失。其中,阿尔茨海默病(AD)和路易体痴呆(LBD)是最为普遍的类型。然而,人们对于这些疾病之间的共同特征以及这些特征如何与衰老本身相关联知之甚少。本研究旨在识别一条可能将衰老与不同痴呆联系起来的分子主线,以期突出新型治疗策略的潜在靶点。我们对来自Abbiategrasso脑库(ABB)的脑样本进行了全转录组分析和基因集富集分析(GSEA),样本包括经神经病理学诊断为AD和LBD的受试者(每种病理6例)以及3例年龄匹配的无痴呆对照者(CTRLs)的海马(HI)、颞叶和顶叶皮层(TC、PC)、扣带回皮层(CG)和黑质(SN)。临床和神经心理学特征通过基线及随后数年进行的系列评估获得。
根据ABB协议,神经病理学诊断基于完整的组织学特征描述,包括所有主要的蛋白质病变和血管评分。转录组结果显示,两种病理在差异表达基因(DEGs)数量上存在一些主要差异,尤其是AD大脑的基因表达比LBD受到更大影响(DEGsAD=3156;DEGsLBD=278)。此外,GSEA显示,在AD中可以通过生物学过程对分析区域进行聚类(HI和TC:DEGs主要与突触传递相关;PC、CG和SN:DEGs主要与正确的蛋白质折叠和炎症相关),而在LBD中,仅SN(DEGs主要与正确的蛋白质折叠和炎症相关)和PC(DEGs主要与髓鞘形成和胶质系统激活相关)存在强烈而独特的受累。AD和LBD是不同形式的d
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。




