帕金森病边缘系统兴奋性神经元单细胞图谱
该数据集来自 NCBI GEO(GSE295998),对帕金森病患者与年龄匹配对照的杏仁核组织进行单核 RNA 测序,质控后获得 168,270 个转录组,用于解析边缘系统兴奋性神经元及胶质细胞在帕金森病中的改变

基本信息
资源简介
帕金森病边缘系统兴奋性神经元单细胞图谱
Single-cell profiling of limbic excitatory neurons reveals dysregulation of metabolic pathways in Parkinson’s disease
该数据集来自 NCBI GEO(GSE295998),对帕金森病患者与年龄匹配对照的杏仁核组织进行单核 RNA 测序,质控后获得 168,270 个转录组,用于解析边缘系统兴奋性神经元及胶质细胞在帕金森病中的改变。数据可用于研究代谢通路失调、细胞类型组成变化及神经精神症状相关机制,文件为 series matrix 格式,含 1 个文件(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):帕金森病(PD)是一种常见的年龄相关神经退行性疾病,其病理特征为多个脑区神经元内出现路易小体。尽管中脑色素多巴胺能神经元的严重选择性变性导致特征性运动症状,但其他神经元群体在疾病中如何受累并促成神经精神症状仍不清楚。杏仁核是 PD 和伴有 α-突触核蛋白病理的阿尔茨海默病中最常出现路易小体的脑区之一。为理解 PD 中该皮层下边缘区神经元和胶质细胞如何改变,我们对患者和年龄匹配对照进行了单核 RNA 测序(snRNA-seq),经质量控制后获得 168,270 个转录组。通过严格的差异
【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=GSE295998
【使用注意】
· 源站最后修改于 Apr 29 202,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=GSE295998
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
帕金森病(PD)是一种常见的与年龄相关的神经退行性疾病,其病理特征为多个脑区神经元内出现路易小体。尽管中脑色素多巴胺能神经元的严重选择性变性导致了特征性的一系列运动症状,但其他神经元群体在疾病中如何受累并促成神经精神症状仍不清楚。杏仁核是PD和伴有α-突触核蛋白病理的阿尔茨海默病中最常出现路易小体的脑区之一。为了解PD中该皮层下边缘区神经元和胶质细胞如何改变,我们对患者及年龄匹配的对照进行了单核RNA测序(snRNA-seq),经质量控制后获得168,270个转录组。通过严格的差异基因表达分析,我们发现兴奋性神经元中与代谢通路相关基因的转录扰动,包括TFEB上调,而抑制性神经元或神经前体细胞中未见此类改变。此外,我们观察到小胶质细胞增多并向激活状态转变。
通过将单核RNA测序(snRNA-seq)与遗传学研究进行生物信息学整合,我们的研究结果表明,帕金森病(PD)风险因素通过边缘系统兴奋性神经元和中脑多巴胺能神经元的细胞自主过程发挥作用。我们的发现明确了杏仁核兴奋性神经元的选择性易感性,并可能对理解和治疗帕金森病的非运动症状具有重要意义。
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。




