基于神经嵴来源血管平滑肌细胞的人脑淀粉样血管病模型
该数据集来自 NCBI GEO,标题为基于神经嵴来源血管平滑肌细胞的人脑淀粉样血管病模型,归入神经系统疾病与阿尔茨海默病方向

基本信息
资源简介
基于神经嵴来源血管平滑肌细胞的人脑淀粉样血管病模型
A Human Model of Cerebral Amyloid Angiopathy Using Neural Crest-Derived Vascular Smooth Muscle Cells
该数据集来自 NCBI GEO,标题为基于神经嵴来源血管平滑肌细胞的人脑淀粉样血管病模型,归入神经系统疾病与阿尔茨海默病方向。数据为表达谱芯片,平台 GPL10904,物种为人(9606),共 1 个文件,样例为 GSE55173_series_matrix.txt.gz。源站描述围绕利用人多能干细胞由神经嵴祖细胞生成血管平滑肌细胞、重现脑血管在 Aβ 代谢中的特性,并涉及 LRP1 介导的 Aβ 摄取与降解以及缺氧抑制 LRP1 表达。该数据可用于研究脑淀粉样血管病相关基因表达与 Aβ 清除机制(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 19 201。
【数据内容】
源站描述(机器翻译,仅供参考):越来越多的人认识到脑血管对神经退行性疾病的贡献。脑淀粉样血管病(CAA)以淀粉样蛋白β(Aβ)沉积于脑内和软脑膜动脉壁为特征,在大多数阿尔茨海默病患者和老年人中可见。在此,我们利用人多能干细胞从神经嵴祖细胞生成血管平滑肌细胞(SMC),重现脑血管系统特异性的Aβ代谢特征。我们证实,脂蛋白受体LRP1在我们的神经嵴来源SMC中发挥作用,介导Aβ摄取和细胞内蛋白酶体降解。缺氧通过抑制LRP1表达显著损害SMC清除Aβ的能力。这使我们能够开发一种使用神经嵴来源SMC、以缺氧作为应激范式的Aβ摄取测定方法。然后我们测试了se
【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:Expression profiling by array、GPL10904、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=GSE55173
【使用注意】
· 源站最后修改于 Jan 28 201,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=GSE55173
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
脑血管对神经退行性疾病的贡献日益受到认识。脑淀粉样血管病(CAA)以淀粉样蛋白β(Aβ)沉积于脑内及软脑膜动脉壁为特征,在大多数阿尔茨海默病患者和老年人中均可见。本研究利用人类多能干细胞从神经嵴祖细胞生成血管平滑肌细胞(SMCs),再现了脑血管特异性Aβ代谢特征。我们证实,脂蛋白受体LRP1在神经嵴来源的SMCs中发挥作用,介导Aβ摄取及细胞内蛋白酶体降解。缺氧通过抑制LRP1表达显著削弱SMCs清除Aβ的能力。据此,我们以缺氧作为应激范式,利用神经嵴来源的SMCs建立了Aβ摄取检测方法。随后,我们以高通量形式测试了若干血管保护性化合物,证明了基于干细胞的表型筛选在发现新型CAA治疗药物及药物重定位方面的价值。
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。
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。




