阿尔茨海默病中的线粒体钙异质性数据集
该数据集支持利用转录组与功能分析，在多种神经、胶质和血管细胞模型中研究阿尔茨海默病中的线粒体钙异质性与线粒体功能障碍。数据涵盖RNA测序、线粒体钙流测量、淀粉样蛋白β分析、ATP测量和细胞活力检测，包含5个文件，可用于研究钙稳态、线粒体功能及阿尔茨海默病相关病理的细胞类型特异性机制（来源 figsh
基本信息
资源简介
阿尔茨海默病中的线粒体钙异质性数据集
Mitochondrial calcium heterogeneity in Alzheimer's disease
该数据集支持利用转录组与功能分析，在多种神经、胶质和血管细胞模型中研究阿尔茨海默病中的线粒体钙异质性与线粒体功能障碍。数据涵盖RNA测序、线粒体钙流测量、淀粉样蛋白β分析、ATP测量和细胞活力检测，包含5个文件，可用于研究钙稳态、线粒体功能及阿尔茨海默病相关病理的细胞类型特异性机制（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
项目资助方：Mitochondrial calcium heterogeneity in the cerebrovascular system during Alzheimer's disease。源站首次发布：2026-10-16。
【数据内容】
源站描述（机器翻译，仅供参考）：该数据集支持利用转录组与功能分析，在多种神经、胶质和血管细胞模型中研究阿尔茨海默病中的线粒体钙异质性与线粒体功能障碍。数据集包括RNA测序、线粒体钙流测量、淀粉样蛋白β分析、ATP测量和细胞活力检测，为研究钙稳态、线粒体功能及阿尔茨海默病相关病理的细胞类型特异性机制提供资源。
【数据结构与技术规格】
文件数 5 个，合计 35.68 MB。数据集 DOI：10.6084/m9.figshare.34554222.v1。
【主题与分类】
源站学科分类：Cell metabolism。主题标签：Alzheimer's disease、Mitochondrial calcium signaling、Mitochondrial dysfunction、RNA sequencing、Vascular cells、Glial cells。本站分类：神经系统疾病/阿尔茨海默病。
【适用方向】
源站学科分类标注为 Cell metabolism。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Mitochondrial_calcium_heterogeneity_in_Alzheimer_s_disease/34554222
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Jadiya, Pooja (2026). Mitochondrial calcium heterogeneity in Alzheimer's disease. figshare. Dataset
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://doi.org/10.6084/m9.figshare.34554222.v1
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:
数据集大小约 35.7 MB。
数据说明
该数据集支持利用转录组学和功能分析在多种神经、胶质和血管细胞模型中研究阿尔茨海默病中的线粒体钙异质性和线粒体功能障碍。该数据集包括RNA测序、线粒体钙通量测量、淀粉样蛋白-β分析、ATP测量和细胞活力测定，为研究钙稳态、线粒体功能和阿尔茨海默病相关病理的细胞类型特异性机制提供了资源。
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。
