GSE305481:基因组尺度代谢建模揭示与APOE变异相关的细胞类型特异性特征
该数据集来自NCBI GEO,包含一项基于基因组尺度代谢模型的研究,整合了携带APOE3或APOE4基因型的iPSC衍生神经元、星形胶质细胞和小胶质细胞的转录组数据,并利用同一细胞类型的代谢组数据验证差异代谢通路

基本信息
资源简介
GSE305481:基因组尺度代谢建模揭示与APOE变异相关的细胞类型特异性特征
Genome-scale metabolic modelling uncovers cell-type specific signatures associated with APOE variants
该数据集来自NCBI GEO,包含一项基于基因组尺度代谢模型的研究,整合了携带APOE3或APOE4基因型的iPSC衍生神经元、星形胶质细胞和小胶质细胞的转录组数据,并利用同一细胞类型的代谢组数据验证差异代谢通路。数据覆盖阿尔茨海默病相关的细胞类型特异性代谢重塑,可用于探索APOE4对细胞代谢的影响及筛选差异代谢通路(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 14 202。
【数据内容】
源站描述(机器翻译,仅供参考):代谢失调是阿尔茨海默病(AD)发病机制的关键特征。APOE基因的ε4变异(APOE4)编码脂质转运蛋白载脂蛋白E,是晚发性AD最强的遗传风险因素。既往研究已探讨APOE4如何破坏不同细胞类型内的特定代谢通路。本研究采用广泛的、以代谢物为中心的方法,基于转录组和代谢组数据研究APOE4如何以细胞类型特异性方式重塑细胞代谢。我们将携带APOE3或APOE4基因型的同基因iPSC衍生神经元、星形胶质细胞和小胶质细胞的转录组数据整合到人类基因组尺度代谢模型中。从该模型中,我们识别了APOE3与APOE4细胞之间存在差异的代谢通路。随后,我们使用来自相同iPSC衍生细胞类型的代谢组数据验证这些通路。
【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=GSE305481
【使用注意】
· 源站最后修改于 Jul 24 202,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=GSE305481
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
代谢失调是阿尔茨海默病(AD)发病机制的关键特征。APOE基因的ε4变体(APOE4)编码脂质转运蛋白载脂蛋白E,是晚发性AD最强的遗传风险因素。既往研究已探讨了APOE4如何扰乱不同细胞类型内的特定代谢通路。本研究采用以代谢物为中心的广泛方法,基于转录组和代谢组数据,探究APOE4如何以细胞类型特异性的方式重塑细胞代谢。我们将携带APOE3或APOE4基因型的同源iPSC来源神经元、星形胶质细胞和小胶质细胞的转录组学数据整合到人类基因组规模代谢模型中。基于该模型,我们识别出APOE3与APOE4细胞之间存在差异的代谢通路。随后,我们利用相同iPSC来源细胞类型的代谢组学数据验证了转录组分析所识别的通路。除证实既往关于胆固醇和脂肪酸代谢紊乱的报道外,我们还发现胆汁酸生物合成、叶酸代谢和甲状腺激素代谢是APOE4细胞中失调的新通路。
此外,我们能够在人类死后转录组数据中检测到类似的代谢失调。通过整合转录组和代谢组数据,我们的方法可以增强对AD中与APOE4相关代谢失调有关的生物学机制的理解。
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。




