阿尔茨海默病海马CA1亚区转录组分析
研究进行了分位数归一化、主成分分析和基因集富集分析，并识别出显著差异表达基因与通路。数据可用于探索 AD 中海马CA1亚区的基因表达变化及相关通路，支持差异表达与功能富集研究（来源 DataONE）
基本信息
资源简介
阿尔茨海默病海马CA1亚区转录组分析
TRANSCRIPTOMIC ANALYSIS OF HIPPOCAMPAL SUBFIELD CA1 IN ALZHEIMER’S DISEASE
该数据集来自 search.dataone.org，聚焦阿尔茨海默病（AD）海马CA1亚区的转录组分析，使用 GSE184942 数据集，包含五例健康对照（X157、X158、X159、X164、X166）和五例 AD 患者（X119、X142、X150、X161、X167）。研究进行了分位数归一化、主成分分析和基因集富集分析，并识别出显著差异表达基因与通路。数据可用于探索 AD 中海马CA1亚区的基因表达变化及相关通路，支持差异表达与功能富集研究（来源 DataONE）。
【数据内容】
源站描述（机器翻译，仅供参考）：摘要：引言：阿尔茨海默病（以下简称 AD）是一种主要影响老年人群（60 岁及以上）的神经退行性疾病。虽然也可在较年轻人群中发现，但其患病率在老年人群中更高。AD 占痴呆的大多数，因此我们的关注点在海马，特别是 CA1 亚区。在本研究中，我们使用了 GSE184942 数据集。我们进行了分位数归一化、主成分分析、基因集富集分析。我们能够找到显著差异表达的基因和通路。方法：我们下载了 series matrix 文件和补充文件。共有五例健康对照（X157、X158、X159、X164、X166）和五例 AD 患者（X119、X142、X150、X161、X167）。然而，Deseq2 是一种广泛用于未归一化数据差异基因表达分析的算法。
【主题与分类】
主题标签：Medicine, Health and Life Sciences。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://search.dataone.org/view/sha256%3A6dfffb7ab0206f94d7f2f8578f97892f596c9e524e8c25955eaa2e9a026683b0
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
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
摘要：引言：阿尔茨海默病（以下简称AD）是一种主要影响老年人群（60岁及以上）的神经退行性疾病。虽然该病在年轻人群中也可观察到，但其患病率在老年人群中更高。AD占痴呆症的大多数，因此我们的研究重点放在海马体，特别是CA1亚区。本研究使用了GSE184942数据集。我们进行了分位数归一化、主成分分析、基因集富集分析。我们能够找到显著差异表达的基因和通路。方法：我们下载了系列矩阵文件和补充文件。共有五名健康对照（X157、X158、X159、X164、X166）和五名AD患者（X119、X142、X150、X161、X167）。然而，Deseq2是一种广泛用于未归一化数据差异基因表达分析的算法。在Deseq2之后，我们进行了富集分析和基因集富集分析。表S4包含本研究中全部蛋白质和差异表达蛋白质的GO富集分析，表S5包含差异表达蛋白质。
结论：在我们的研究中，我们进行了GO分析和KEGG分析。海马体因其在学习和记忆中的作用而闻名。与CA1亚区相关的这些激活的GO项目可能为未来的研究提供新的方向。本研究的局限性包括缺乏验证数据集。
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。
