衰老大脑星形胶质细胞转录组芯片分析:与阿尔茨海默病理及ApoE基因型的关系
该数据集来自omicsdi.org,属于神经系统疾病/阿尔茨海默病分类,主题为转录组学。研究采用免疫激光捕获显微切割(immuno-LCM)从MRC-CFAS队列中年龄、性别和脑pH匹配的病例死后人类颞叶皮层分离GFAP阳性星形胶质细胞,提取RNA扩增后应用于HGU133 Plus 2.0芯片,分析

基本信息
资源简介
衰老大脑星形胶质细胞转录组芯片分析:与阿尔茨海默病理及ApoE基因型的关系
该数据集来自omicsdi.org,属于神经系统疾病/阿尔茨海默病分类,主题为转录组学。研究采用免疫激光捕获显微切割(immuno-LCM)从MRC-CFAS队列中年龄、性别和脑pH匹配的病例死后人类颞叶皮层分离GFAP阳性星形胶质细胞,提取RNA扩增后应用于HGU133 Plus 2.0芯片,分析不同Braak分期及ApoE基因型下的星形胶质细胞转录组,旨在理解星形胶质细胞在年龄相关疾病尤其是阿尔茨海默病发病机制中的作用。数据可用于探索星形胶质细胞基因表达与AD病理及ApoE基因型的关联(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):星形胶质细胞功能障碍会影响其正常功能,包括对神经元的支持,从而促进包括阿尔茨海默病(AD)在内的神经退行性病理。因此,为了解星形胶质细胞在年龄相关疾病发病机制中的作用,我们分析了星形胶质细胞基因表达谱与阿尔茨海默型病理的关系。本研究的目的是结合免疫激光捕获显微切割(immuno-LCM)和芯片分析,在不同Braak分期以及根据ApoE基因型,表征来自医学研究理事会认知功能与衰老研究(MRC-CFAS)的死后人类颞叶皮层样本中的星形胶质细胞转录组。使用免疫激光捕获显微切割从MRC-CFAS队列中年龄、性别和脑pH匹配的病例中分离GFAP阳性星形胶质细胞。提取的RNA经扩增后应用于HGU133 Plus 2.0
【主题与分类】
主题标签:Transcriptomics。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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-29652
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-29652
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
星形胶质细胞功能障碍会影响其正常功能,包括对神经元的支持作用,进而促进包括阿尔茨海默病(AD)在内的神经退行性病理的发生。因此,为理解星形胶质细胞在年龄相关疾病发病机制中的作用,我们分析了星形胶质细胞基因表达谱与阿尔茨海默型病理之间的关系。本研究的目的是结合免疫激光捕获显微切割(immuno-LCM)和微阵列分析,在不同Braak分期以及不同ApoE基因型条件下,对来源于医学研究理事会认知功能与老龄化研究(MRC-CFAS)的死后人颞叶皮层样本中的星形胶质细胞转录组进行表征。使用免疫激光捕获显微切割技术,从MRC-CFAS队列中年龄、性别和脑pH匹配的病例中分离GFAP阳性星形胶质细胞。提取的RNA经扩增后应用于HGU133 Plus 2.0 Affymetrix基因芯片。
如果在病理各阶段的全部6个个体病例中,基因显示出至少1.5倍变化且p<0.02,则认为这些基因存在差异表达[共18例:6例Braak I-II期(3例至少携带一个ApoE epsilon4等位基因,3例为ApoEe4阴性);6例Braak III-IV期(3例ApoEe4阳性,3例ApoEe4阴性);6例Braak V-VI期(3例ApoEe4阳性,3例ApoEe4阴性)]。关键词:人GFAP阳性星形胶质细胞
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。




