血浆microRNA生物标志物检测轻度认知障碍的差异相关分析数据集

数据集获取

源站：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE90828

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

背景：轻度认知障碍（MCI）是正常衰老与阿尔茨海默病及其他痴呆症之间的中间状态。早期发现痴呆和MCI，对于二级预防而言是一个至关重要的问题。血液生物标志物检测是早期发现MCI的一种可能途径。尽管疾病生物标志物通常通过单一分子分析（如t检验）来检测，但另一种可能的方法是基于分子间的相互作用。结果：对日本30名年龄匹配的对照组和23名MCI患者血浆样本中的745种微小RNA（miRNA）数据集进行了差异相关分析，该分析用于检测病例/对照研究中两个变量相关性的差异。筛选出由20种miRNA组成的20对miRNA作为MCI标志物。其中两对miRNA（hsa-miR-191与hsa-miR-101，以及hsa-miR-103与hsa-miR-222）在MCI检测中达到了最高的曲线下面积（AUC）值0.962。另外两对包含hsa-miR-191和hsa-miR-125b的miRNA对也达到了≥0.95的高AUC值。为进一步理解其生物学意义，对MCI标志物进行了通路分析。

因此，hsa-miR-191相关性的崩溃和hsa-miR-125b相关性的出现可能在MCI和痴呆进展中发挥关键作用。结论：差异相关分析作为一种生物信息学工具，能够阐明疾病背后复杂且相互依赖的生物系统，检测出单分子分析（如t检验）无法发现的有效MCI标志物。

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。