HypoAD：人类下丘脑衰老与阿尔茨海默病的体积及单细胞分析

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE342635

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

代谢、应激反应、睡眠、昼夜节律及神经内分泌过程的改变是衰老与神经退行性变的关键特征。这些基本过程受下丘脑调控，然而其功能上不同的亚区与细胞类型在人类衰老及阿尔茨海默病（AD）中如何变化，在很大程度上仍未被探索。在此，我们提出HypoAD——一个涵盖衰老与AD的人类下丘脑综合图谱，整合了来自202个个体的高分辨率MRI与来自年轻个体、AD患者及年龄匹配的非痴呆对照的614，403个细胞核的单核RNA测序（snRNA-seq）。我们的分析揭示，调控代谢、应激与昼夜节律的下丘脑亚区尤为脆弱，在衰老与AD过程中表现出体积和基因表达的显著变化。在分子层面，机器学习模型将炎症反应与昼夜节律调控因子确定为AD的关键细胞预测因子。

这些特征反映在特定的细胞类型中：小胶质细胞转变为促炎状态，而睡眠和昼夜节律调节下丘脑亚区内的抑制性神经元则表现出最为显著的转录改变，包括配体-受体相互作用和G蛋白偶联受体信号传导的紊乱。总之，HypoAD提供了衰老和AD中人下丘脑的高分辨率体积图谱和全面的转录组图谱，将生活方式和行为变化与其潜在的体积和分子通路联系起来。此外，HypoAD提供了一个研究下丘脑功能障碍的框架，并为旨在减轻生理紊乱以潜在减缓疾病进展的靶向干预建立了路线图。

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。