GSE198063：神经元亚型翻译谱揭示症状前致死性家族性失眠症中生长抑素表达神经元的早期易损性
数据可用于研究突变朊蛋白在症状前阶段对神经元亚型基因表达的影响，并识别 FFI 早期易损的 SST 神经元相关分子特征（来源 NCBI）
基本信息
资源简介
GSE198063：神经元亚型翻译谱揭示症状前致死性家族性失眠症中生长抑素表达神经元的早期易损性
Translational profiling of neuronal subtypes reveals early vulnerability of somatostatin-expressing neurons in pre-symptomatic fatal familial insomnia
该数据集来自 NCBI GEO（GSE198063），对 9 月龄 CJD 和 FFI 敲入小鼠的 GABAergic、glutamatergic、somatostatin-（SST）和 parvalbumin 表达神经元进行 RiboTag 细胞类型特异性翻译 RNA 分离与表达谱分析，包含 1 个文件（GSE198063_series_matrix.txt.gz），主题为高通量测序表达谱分析。数据可用于研究突变朊蛋白在症状前阶段对神经元亚型基因表达的影响，并识别 FFI 早期易损的 SST 神经元相关分子特征（来源 NCBI）。
【数据集背景】
源站首次发布：Mar 07 202。
【数据内容】
源站描述（机器翻译，仅供参考）：选择性神经元易损性是神经退行性疾病一个常见但尚不清楚的特征，在家族性朊病毒病中尤为突出，例如 Creutzfeldt-Jakob 病（CJD）和致死性家族性失眠症（FFI），其中朊蛋白的不同突变表现为神经病理学上不同的疾病。为了确定突变朊蛋白的存在如何在症状前阶段影响基因表达，我们使用 RiboTag 从 9 月龄 CJD 和 FFI 敲入小鼠的 GABAergic、glutamatergic、somatostatin-（SST）和 parvalbumin 表达神经元中分离细胞类型特异性的翻译 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：GPL24247、10090。本站分类：神经系统疾病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE198063
【使用注意】
· 源站最后修改于 Oct 27 202，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=GSE198063
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
选择性神经元易损性是神经退行性疾病的一个常见但尚不为人所充分理解的特征，在家族性朊蛋白病中尤为突出，如克雅氏病（CJD）和致死性家族性失眠症（FFI），其中朊蛋白的不同突变表现为神经病理学上截然不同的疾病。为确定突变朊蛋白的存在如何在症状前阶段影响基因表达，我们使用RiboTag技术从9月龄CJD和FFI敲入小鼠的GABA能、谷氨酸能、生长抑素（SST）及小清蛋白表达神经元中分离细胞类型特异性的翻译RNA。
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。
