配对血管-实质单核测序揭示阿尔茨海默病内皮-间质转化扰动
该数据集来自 NCBI GEO(GSE310554),对阿尔茨海默病患者与对照者的前额叶皮层组织进行配对血管-实质单核 RNA 测序,构建了涵盖主要血管与实质细胞类型的高分辨率图谱

基本信息
资源简介
配对血管-实质单核测序揭示阿尔茨海默病内皮-间质转化扰动
Paired Vascular-Parenchymal Single Nuclei Sequencing Reveals Perturbed Endothelial-to-Mesenchymal Transition in Alzheimer’s Disease
该数据集来自 NCBI GEO(GSE310554),对阿尔茨海默病患者与对照者的前额叶皮层组织进行配对血管-实质单核 RNA 测序,构建了涵盖主要血管与实质细胞类型的高分辨率图谱。数据可用于分析阿尔茨海默病风险与周细胞、血管周围成纤维细胞及活化小胶质细胞特异基因表达谱的关联,并支持淀粉样蛋白相关通路的功能分析,适用于神经系统疾病中血管细胞类型相关表达谱的分类与比较研究(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):神经血管单元(NVU)通过整合血管细胞、神经元和胶质细胞来确保代谢支持和血脑屏障完整性,在维持脑功能中发挥关键作用。虽然血管功能障碍已被认为与阿尔茨海默病(AD)有关,但各种血管细胞类型的具体贡献仍研究不足,部分原因是难以从死后组织中分离这些细胞。在本研究中,我们使用单核 RNA 测序分析了 AD 患者和对照受试者的前额叶皮层组织,以创建捕获主要血管和实质细胞类型的高分辨率图谱。我们的发现揭示了 AD 风险与周细胞、血管周围成纤维细胞和活化小胶质细胞特异性基因表达谱之间的不同关联。功能分析表明,这些基因汇聚于淀粉样蛋白相关通路,提示周
【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=GSE310554
【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=GSE310554
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
神经血管单元(NVU)通过整合血管细胞、神经元和胶质细胞,确保代谢支持和血脑屏障完整性,在维持脑功能中发挥关键作用。尽管血管功能障碍已被认为与阿尔茨海默病(AD)相关,但各类血管细胞的具体贡献仍研究不足,部分原因在于从死后组织中分离这些细胞存在困难。在本研究中,我们利用单核RNA测序分析了AD患者和对照受试者的前额叶皮层组织,构建了涵盖主要血管细胞和实质细胞类型的高分辨率图谱。我们的研究结果揭示了AD风险与周细胞、血管周围成纤维细胞和活化小胶质细胞特异性基因表达谱之间的明显关联。功能分析表明,这些基因汇聚于淀粉样蛋白相关通路,提示血管周围腔室和免疫调节因子在AD病理生物学的早期阶段发挥重要作用。
此外,我们发现了一个新的内皮-间质转化细胞群体,该群体在AD中减少,提示内皮可塑性可能受损,进而可能导致血管功能障碍。血管与实质细胞类型之间的关键配体-受体相互作用(如ANGPT2)被发现显著失调,凸显了可能驱动AD中NVU破坏的潜在靶点。这些发现为评估人类疾病中的NVU细胞提供了全面框架,并强调了血管动态与AD发病机制之间的新联系。该研究为疾病机制提供了宝贵见解,并提出了旨在保护和恢复大脑神经血管界面的新治疗途径。
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。




