小鼠与人类阿尔茨海默病单细胞基因组与表观基因组分析(人类)
该数据集来自 NCBI GEO,标题为小鼠与人类阿尔茨海默病单细胞基因组与表观基因组分析(人类部分),属于神经系统疾病/阿尔茨海默病分类

基本信息
资源简介
小鼠与人类阿尔茨海默病单细胞基因组与表观基因组分析(人类)
Single cell genomic and epigenomic analysis of mouse and human Alzheimer's disease (Human)
该数据集来自 NCBI GEO,标题为小鼠与人类阿尔茨海默病单细胞基因组与表观基因组分析(人类部分),属于神经系统疾病/阿尔茨海默病分类。数据包含 1 个文件 GSE288063_series_matrix.txt.gz,主题涉及高通量测序基因表达谱,物种为人类(9606),平台为 GPL24676。源站描述聚焦衰老促进阿尔茨海默病的机制,涉及海马基因表达与染色质可及性分析、cGAS-STING 通路及干扰素响应性小胶质细胞状态。该数据可用于研究衰老与 Aβ 病理下小胶质细胞状态转变及相关通路(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老是阿尔茨海默病(AD)最强的风险因素,但衰老促进 AD 进展的机制仍不完全清楚。慢性神经炎症是脑衰老和 AD 的共同标志,小胶质细胞经历进行性炎症和功能变化,但这些年龄相关变化如何促进疾病进展尚不明确。在此,我们分析了海马在衰老和淀粉样蛋白-β(Aβ)病理过程中的基因表达和染色质可及性,并鉴定出 cGAS-STING 通路的进行性激活以及干扰素响应性小胶质细胞状态,这些过程在该过程中显著加速。在老年小鼠中药理抑制 STING 改善了空间记忆,减少了 Aβ 斑块负荷,并使小胶质细胞从干扰素响应性状态转向与增强 Aβ 清除相关的吞噬程序。在机制上,STING
【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=GSE288063
【使用注意】
· 源站最后修改于 Oct 02 202,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=GSE288063
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
衰老是阿尔茨海默病(AD)最强的危险因素,然而衰老促进AD进展的机制仍未被完全阐明。慢性神经炎症是脑衰老和AD的共同标志,小胶质细胞经历进行性的炎症和功能变化,但这些与年龄相关的变化如何促进疾病进展尚不清楚。在此,我们对海马在衰老和淀粉样蛋白-β(Aβ)病理过程中的基因表达和染色质可及性进行了分析,鉴定出cGAS-STING通路的进行性激活以及干扰素响应性小胶质细胞状态,且这一过程在疾病进程中显著加速。在老年小鼠中药理学抑制STING可改善空间记忆、减少Aβ斑块负荷,并使小胶质细胞从干扰素响应性状态转向与增强Aβ清除相关的吞噬程序。在机制上,STING激活降低了MEF2活性及其在吞噬相关基因增强子上的占据,而STING抑制则恢复了MEF2活性。人类AD海马小胶质细胞同样表现出IRF3活性升高,同时MEF2C活性及核内可用性降低。
在MEF2C缺陷的人iPSC来源的小胶质细胞中,STING抑制未能维持Aβ吞噬作用。综上所述,这些发现确定了一条cGAS–STING–MEF2调控轴,衰老相关的先天免疫信号通过该轴损害小胶质细胞的Aβ清除,并提示靶向cGAS–STING可能恢复AD中保护性小胶质细胞功能。
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。




