星形胶质细胞sEH-EET信号调控阿尔茨海默病小胶质细胞溶酶体功能并抑制STING-I型干扰素通路
源站描述聚焦于血液中小于50纳米的细胞外纳米颗粒SECmeres，其缺乏小细胞外囊泡、外泌体、exomeres和supermeres的标志物，但富集脑特异性标志物
基本信息
资源简介
星形胶质细胞sEH-EET信号调控阿尔茨海默病小胶质细胞溶酶体功能并抑制STING-I型干扰素通路
SECmeres outperform extracellular vesicles as potential blood RNA biomarkers for Alzheimer's disease
该数据集来自NCBI，包含1个文件（GSE350859_series_matrix.txt.gz），主题为非编码RNA高通量测序，物种为人（9606），平台为GPL24676。源站描述聚焦于血液中小于50纳米的细胞外纳米颗粒SECmeres，其缺乏小细胞外囊泡、外泌体、exomeres和supermeres的标志物，但富集脑特异性标志物。研究发现SECmeres相关RNA区分阿尔茨海默病与对照的显著性高于小细胞外囊泡，可用于探索脑源性RNA生物标志物及疾病分类（来源 NCBI）。
【数据集背景】
源站首次发布：Oct 14 202。
【数据内容】
源站描述（机器翻译，仅供参考）：细胞向循环中释放异质性细胞外囊泡和颗粒（EVP），携带反映其来源的RNA和蛋白质。近年来，脑源性细胞外囊泡作为阿尔茨海默病（AD）的非侵入性生物标志物受到广泛关注。在此，我们在人脑和血液中鉴定出小于50纳米的细胞外纳米颗粒，其缺乏小细胞外囊泡、外泌体、exomeres和supermeres的标志性特征，但富集脑特异性标志物，以下称为小EP或“SECmeres”。我们发现，与SECmeres相关的RNA区分AD病例与对照的显著性高于小细胞外囊泡，大细胞外囊泡未显示差异。具有区分作用的RNA富集于小细胞外囊泡（Synaptotagmin、Alpha-synuclein、MAPT）或SECmeres（L1CAM、Syntaxin、Neurogranin），表明存在不同的脑源性特征。单细胞RNAseq反卷积显示小细胞外囊泡含有RNA
【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：GPL24676、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=GSE350859
【使用注意】
· 源站最后修改于 Oct 17 202，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=GSE350859
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
对野生型、可溶性环氧化物水解酶（sEH；Ephx2基因）敲除、5xFAD以及5xFAD;sEH敲除小鼠的脑组织进行了snRNA-seq，以明确阿尔茨海默病中与可溶性环氧化物水解酶缺陷相关的转录组变化。该数据集识别出改变的小胶质细胞状态，包括5xFAD;sEH敲除小鼠中I型干扰素反应性小胶质细胞减少，并为调控神经炎症、溶酶体功能和淀粉样蛋白β清除的星形胶质细胞-小胶质细胞信号通路提供了见解。
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。
