人阿尔茨海默病组织中Aβ斑块周围小胶质细胞的空间分辨表达
该数据集来自 NCBI GEO(GSE306381),针对人阿尔茨海默病组织开展小胶质细胞富集的空间转录组研究,比较直接接触斑块、斑块周边及远离斑块区域小胶质细胞的基因表达差异,定义仅斑块接触小胶质细胞(PCOM)基因,并识别与 APOE 基因型相关的免疫模块及与 Braak 分期负相关的突触-线粒

基本信息
资源简介
人阿尔茨海默病组织中Aβ斑块周围小胶质细胞的空间分辨表达
Spatially Resolved Microglial Expression Around Aβ Plaques in Human Alzheimer’s Disease Tissue
该数据集来自 NCBI GEO(GSE306381),针对人阿尔茨海默病组织开展小胶质细胞富集的空间转录组研究,比较直接接触斑块、斑块周边及远离斑块区域小胶质细胞的基因表达差异,定义仅斑块接触小胶质细胞(PCOM)基因,并识别与 APOE 基因型相关的免疫模块及与 Braak 分期负相关的突触-线粒体模块。数据含 1 个文件(GSE306381_series_matrix.txt.gz),可用于研究阿尔茨海默病中斑块相关小胶质细胞的分子特征及其与疾病相关协变量的关系(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 25 202。
【数据内容】
源站描述(机器翻译,仅供参考):利用小胶质细胞富集的空间转录组学技术对人类阿尔茨海默病组织进行研究,我们识别出位于直接接触斑块、斑块周边区域以及远离斑块区域的小胶质细胞中不同的基因表达变化。我们定义了一组仅斑块接触小胶质细胞(PCOM)基因,其表达仅在直接接触斑块的小胶质细胞中升高。这些基因与先前报道的基因集显著重叠,提示斑块接触小胶质细胞对应于已被充分表征的疾病相关小胶质细胞(DAM)及其他 AD 相关基因表达特征。我们进一步识别出与疾病相关协变量相关的不同共表达网络,包括一个与 APOE 基因型相关的免疫模块,以及一个与 Braak 分期负相关的突触-线粒体模块。最后,我们将人类数据集与我们的 p
【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:Other、GPL30173、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=GSE306381
【使用注意】
· 源站最后修改于 Aug 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=GSE306381
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
通过对人类阿尔茨海默病组织进行小胶质细胞富集的空间转录组学分析,我们识别出与斑块直接接触的小胶质细胞、斑块周围区域以及远离斑块区域的小胶质细胞中不同的基因表达变化。我们定义了一组仅斑块接触性小胶质细胞(PCOM)基因,其表达仅在直接接触斑块的小胶质细胞中增加。这些基因与先前报道的基因集显著重叠,表明斑块接触性小胶质细胞对应于已充分表征的疾病相关小胶质细胞(DAM)及其他AD相关基因表达特征。我们进一步识别出与疾病相关协变量相关的不同共表达网络,包括一个与APOE基因型相关的免疫模块和一个与Braak分期负相关的突触-线粒体模块。最后,我们将人类数据集与我们先前发表的18月龄AppNL-F小鼠数据进行比较,后者使用相同的实验范式生成,并证明斑块接触性小胶质细胞中的基因表达具有跨物种一致性。
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。




