GSE310780:淀粉样蛋白β聚集体通过铁死亡诱导脑内皮细胞血管病变
研究聚焦阿尔茨海默病中淀粉样蛋白β(Aβ)斑块如何诱导脑内皮细胞功能障碍,通过RNA测序、磷酸化分析、代谢物分析、western blotting和免疫荧光染色在体外和体内探索Aβ诱导的脂质过氧化介导的铁死亡通路

基本信息
资源简介
GSE310780:淀粉样蛋白β聚集体通过铁死亡诱导脑内皮细胞血管病变
Amyloid-beta aggregates induce vasculopathy via ferroptosis in brain endothelial cells
该数据集来自NCBI GEO,包含1个文件(GSE310780_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为人类(9606),平台为GPL24676。研究聚焦阿尔茨海默病中淀粉样蛋白β(Aβ)斑块如何诱导脑内皮细胞功能障碍,通过RNA测序、磷酸化分析、代谢物分析、western blotting和免疫荧光染色在体外和体内探索Aβ诱导的脂质过氧化介导的铁死亡通路。数据可用于研究Aβ相关脂质代谢、氧化脂滴积累及铁死亡在血脑屏障功能障碍中的作用(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):淀粉样蛋白β(Aβ)斑块是阿尔茨海默病(AD)的病理标志,也是受影响患者多种治疗药物的靶点。近期研究表明AD中存在血脑屏障(BBB)功能障碍;然而,Aβ斑块如何诱导BBB功能障碍,特别是在脑内皮细胞(ECs)中,仍不清楚。本研究通过在体外和体内进行RNA测序、磷酸化分析、代谢物分析、western blotting和免疫荧光染色,探究Aβ诱导的脂质过氧化介导的铁死亡通路。我们发现,脑ECs暴露于Aβ后,Aβ与脂质代谢通路相关。此外,Aβ聚集体诱导过氧化脂滴的形成和积累。最后,通过抑制脂质代谢通路,脑ECs和5xFAD小鼠中的Aβ显著减少。
【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=GSE310780
【使用注意】
· 源站最后修改于 Jun 11 202,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=GSE310780
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
β-淀粉样蛋白(Aβ)斑块是阿尔茨海默病(AD)的病理标志,也是针对患者多种治疗药物的靶点。近期研究表明,AD中存在血脑屏障(BBB)功能障碍;然而,Aβ斑块如何诱导BBB功能障碍,尤其是在脑内皮细胞(ECs)中,仍不清楚。本研究通过体外和体内进行RNA测序、磷酸化分析、代谢物分析、蛋白质印迹和免疫荧光染色,探讨了Aβ诱导的脂质过氧化介导的铁死亡通路。我们发现,脑ECs暴露于Aβ后,Aβ与脂质代谢通路相关。此外,Aβ聚集体诱导过氧化脂滴的形成和积累。最后,通过抑制与脂质过氧化和ROS形成相关的脂质代谢通路,脑ECs和5xFAD小鼠中的Aβ显著减少。我们体外和体内的研究结果均表明,Aβ在脂质过氧化过程中起致病作用,并可能为AD治疗干预的开发提供潜在靶点。
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。




