工程化3D免疫-胶质-神经血管人miBrain模型
该数据集来自NCBI GEO,标题为工程化3D免疫-胶质-神经血管人miBrain模型,属于神经系统疾病与阿尔茨海默病分类

基本信息
资源简介
工程化3D免疫-胶质-神经血管人miBrain模型
Engineered 3D Immuno-Glial-Neurovascular Human miBrain Model
该数据集来自NCBI GEO,标题为工程化3D免疫-胶质-神经血管人miBrain模型,属于神经系统疾病与阿尔茨海默病分类。数据包含1个文件GSE308670_series_matrix.txt.gz,基于高通量测序进行表达谱分析,物种为人类(9606),平台为GPL18573。模型由患者诱导多能干细胞分化的六种主要脑细胞类型共培养于脑仿生3D水凝胶中构建,可模拟体内样特征如神经元活动、功能连接、屏障功能及髓鞘形成。该数据可用于研究神经疾病机制与干预措施(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 22 202。
【数据内容】
源站描述(机器翻译,仅供参考):迫切需要整合仿生血脑屏障、免疫和髓鞘化神经元组分的患者特异性、人源细胞模型,以加速神经疾病机制和干预措施的转化相关发现。为了构建包含这些特征以及模拟疾病和剖析病理机制所需的全部六种主要脑细胞类型的人源细胞模型,我们通过工程化脑仿生3D水凝胶并确定共培养这六种脑细胞类型(均从患者诱导多能干细胞分化而来)的条件,构建、表征并利用了一个多细胞整合脑(miBrain)免疫-胶质-神经血管模型。miBrains重现了体内样标志性特征,包括神经元活动、功能连接、屏障功能、产生髓鞘的少突胶质细胞与
【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:GPL18573、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=GSE308670
【使用注意】
· 源站最后修改于 Feb 26 202,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=GSE308670
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
亟需整合仿生血脑屏障、免疫及髓鞘化神经元组分的患者特异性人源细胞模型,以加速神经系统疾病机制与干预措施的转化相关发现。为构建包含上述特征及模拟疾病和解析病理机制所需的全部六种主要脑细胞类型的人源细胞模型,我们通过设计仿脑三维水凝胶并确定共培养这六种脑细胞类型(均分化自患者诱导多能干细胞)的条件,构建、表征并应用了多细胞整合脑(miBrain)免疫-胶质-神经血管模型。miBrain重现了类体内特征,包括神经元活动、功能连接、屏障功能、产生髓鞘的少突胶质细胞与神经元的相互作用、多细胞相互作用及转录组谱。我们应用该模型研究与APOE4遗传风险相关的阿尔茨海默病病理。APOE4 miBrain差异性地表现出淀粉样聚集、tau磷酸化及星形胶质细胞胶质纤维酸性蛋白。
与其他类器官方法中胶质细胞与神经元命运共同涌现的指定方式不同,miBrains整合了独立分化的细胞类型,我们利用这一特征发现,星形胶质细胞中的APOE4通过与微胶质细胞的串扰促进神经元tau蛋白的致病机制及失调。
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。




