早期阿尔茨海默病rTgTauEC小鼠模型中tau沿神经环路扩散先于突触和神经元丢失——2017年发表数据
该数据集来自datashare.ed.ac.uk,对应Pickett等2017年发表于Synapse的论文,属于神经系统疾病/阿尔茨海默病方向

基本信息
资源简介
早期阿尔茨海默病rTgTauEC小鼠模型中tau沿神经环路扩散先于突触和神经元丢失——2017年发表数据
该数据集来自datashare.ed.ac.uk,对应Pickett等2017年发表于Synapse的论文,属于神经系统疾病/阿尔茨海默病方向。数据为rTgTauEC小鼠模型的原始图像与分析文件,该模型表达P301L人tau转基因,并用转基因标记红色胞质(tdTomato)和绿色突触前终末,研究使用array tomography观察tau沿神经环路扩散与突触、神经元丢失的关系。受爱丁堡大学DataShare空间限制,未上传处理后的图像,可邮件申请获取。可用于研究早期阿尔茨海默病中tau扩散与突触丢失的时序关系(来源 datashare.ed.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):这是与Pickett等人(2017)Synapse论文相关的原始数据。我们提供原始图像和分析文件。由于爱丁堡大学DataShare空间限制,我们无法上传处理后的图像,但可应请求分享(邮箱 tara.spires-jones@ed.ac.uk)。 论文摘要: 突触功能障碍和丢失是阿尔茨海默病(AD)认知衰退最强的病理相关因素,越来越多的证据表明神经病理tau蛋白参与此过程。尽管已知tau通过明确的突触环路扩散,但目前尚不清楚突触丢失是发生在tau积累之前还是之后。为解决这一问题,我们使用array tomography检查了表达P301L人tau转基因和标记红色胞质(tdTomato)及绿色突触前终末的转基因的rTgTauEC小鼠模型(
【主题与分类】
主题标签:Alzheimer、synapse、tau、array tomography。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://datashare.ed.ac.uk/handle/10283/2354
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://datashare.ed.ac.uk/handle/10283/2354
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
这是与Pickett等人(2017)《Synapse》手稿相关的原始数据。我们提供了原始图像和分析文件。由于爱丁堡大学DataShare空间限制,我们无法上传处理后的图像,但可根据请求分享(电子邮件:tara.spires-jones@ed.ac.uk)。# 论文摘要:# 突触功能障碍和丢失是阿尔茨海默病(AD)认知衰退最强的病理相关性,越来越多的证据表明神经病理tau蛋白参与这一过程。尽管已知tau通过定义的突触回路传播,但目前尚不清楚突触丢失是在tau积累之前发生还是作为其结果。为了解决这个问题,我们使用阵列断层扫描技术检查了一种rTgTauEC小鼠模型,该模型表达P301L人类tau转基因以及标记细胞质为红色(tdTomato)和突触前终末为绿色(Synaptophysin-EGFP)的转基因。所有转基因主要限于内嗅皮层,使用神经蛋白酶启动子驱动tTA表达。
此前已有研究表明,rTgTauEC小鼠在24月龄时表现出内嗅皮层神经元丢失以及齿状回中分子层(MML)突触密度下降。本研究观察了3-6、9和18月龄红绿-rTgTauEC小鼠MML中表达tau的突触前终末及总突触前终末的密度,以及tau向突触后结构的扩散情况。我们发现,即使在表达tau的轴突中,直至18月龄时MML的突触密度也未出现丢失。尽管突触密度得以维持,我们观察到人tau在极早期即从突触前终末扩散至MML的突触后区域,这表明tau通过神经环路的扩散并非源于轴突终末的变性,而是疾病进程的早期特征。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




