Control与CDDO-Im处理微胶质细胞在IFN-gamma或Amyloid beta刺激下的表达谱比较
该数据集来自NCBI GEO,比较Control与CDDO-Im处理的微胶质细胞在IFN-gamma或Amyloid beta刺激下的基因表达谱

基本信息
资源简介
Control与CDDO-Im处理微胶质细胞在IFN-gamma或Amyloid beta刺激下的表达谱比较
Comparison of expression profiles of Control and CDDO-Im treatment microglia under IFN-gamma or Amyloid beta stimulation
该数据集来自NCBI GEO,比较Control与CDDO-Im处理的微胶质细胞在IFN-gamma或Amyloid beta刺激下的基因表达谱。研究聚焦阿尔茨海默病中NRF2激活对微胶质细胞炎症的抑制作用,通过RNA测序与ChIP测序整合分析鉴定NRF2直接靶基因。数据包含1个series matrix文件,可用于差异表达分析、NRF2靶基因识别及神经炎症机制研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):阿尔茨海默病(AD)以淀粉样蛋白β(Amyloid beta)斑块和神经原纤维缠结为特征,并伴有氧化应激和炎症升高。微胶质细胞是脑内驻留巨噬细胞,通过清除斑块和受损神经元发挥关键保护作用。NRF2(核因子E2相关因子2)是抗氧化应激细胞保护的主要调节因子,其激活可减轻AD模型中的氧化损伤、神经炎症和认知缺陷。然而,NRF2在微胶质细胞中的直接靶点仍不清楚。在本研究中,我们证明CDDO-Im激活NRF2可显著抑制由IFN-gamma或Amyloid beta刺激的人微胶质细胞(HMC3)中的炎症。通过对NRF2的整合RNA测序和ChIP测序分析,我们鉴定了五个参与炎症的代表性NRF2直接靶基因。
【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:GPL28038、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=GSE301269
【使用注意】
· 源站最后修改于 Nov 28 202,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=GSE301269
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)以淀粉样蛋白β(Amyloid beta)斑块和神经原纤维缠结为特征,并伴有氧化应激和炎症水平升高。小胶质细胞是脑内常驻巨噬细胞,通过清除斑块和受损神经元发挥关键保护作用。NRF2(核因子E2相关因子2)是细胞抗氧化应激保护的主要调控因子,其激活可减轻AD模型中的氧化损伤、神经炎症和认知缺陷。然而,NRF2在小胶质细胞中的直接靶点仍不清楚。在本研究中,我们证明CDDO-Im激活NRF2可显著抑制经IFN-γ或Amyloid beta刺激的人小胶质细胞(HMC3)中的炎症。通过对NRF2的整合RNA测序和ChIP测序分析,我们鉴定出五个参与炎症的代表性NRF2直接靶基因(如IL6、CDK6)以及另外五个参与自噬的基因(如TFE3、SQSTM1)。公开的单细胞转录组数据进一步强调了小胶质细胞在AD脑中NRF2介导的自噬调控中的关键作用。
我们的研究结果揭示了新的NRF2直接靶基因,突出了NRF2在抑制炎症和增强自噬方面的双重作用,从而为AD的治疗干预提供了新的见解。
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。




