超声放大外泌体分泌与无抗体SERS分析用于APOE基因型依赖特征

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE309078

标准获取流程：

1. 访问源站链接，注册/登录账号；
2. 进入数据集详情页，按页面指引申请权限或直接下载；
3. 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。

数据说明

外泌体通过封装多种生物标志物并穿越血脑屏障，为神经退行性疾病的非侵入性诊断提供了有前景的平台。然而，传统的外泌体分析由于囊泡产量有限、检测灵敏度低以及对预定义标志物的依赖，往往无法捕捉细微的、基因型特异性的病理变化。在此，我们提出了一种整合方法，将超声诱导的外泌体扩增与无抗体的表面增强拉曼散射（SERS）平台相结合，以灵敏地检测基因型依赖的病理差异。通过应用优化的低强度脉冲超声（LIPUS），我们经由转运所需内体分选复合物（ESCRT）途径实现了外泌体分泌高达100倍的增强，并监测了该扩增的动态过程。为提高检测性能，我们开发了一种基于金包覆氧化锌（ZnO）纳米线的SERS基底，无需抗体即可将外泌体信号强度放大四倍以上。

利用完整外泌体的多重表面增强拉曼散射（SERS）图谱分析结合主成分分析（PCA），我们成功区分了载脂蛋白E（APOE）基因型，将轮廓系数从0.37提升至0.5。与此一致，转录组分析通过显示低强度脉冲超声（LIPUS）刺激增加了外泌体分泌，并上调了与阿尔茨海默病（AD）功能相关的外泌体相关基因，从而证实了这些发现。这些结果表明，无标记的完整外泌体图谱分析能够揭示基因型依赖的病理变异，支持其在AD高灵敏度精准诊断中的潜在应用价值。

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。