可注射神经选择性冷神经松解术用于疼痛管理:感觉神经元调控与临床转化
研究对大鼠背根神经节(DRG)在选择性冷神经松解术(SCN)后进行 RNA-seq 分析,以解析镇痛的分子特征,并开展单臂首次人体试验探索 SCN 对膝骨关节炎慢性疼痛患者的临床转化潜力

基本信息
资源简介
可注射神经选择性冷神经松解术用于疼痛管理:感觉神经元调控与临床转化
Injectable Nerve-Selective Cold Neurolysis for Pain Management: Sensory Neuron Modulation and Clinical Translation
该数据集来自 NCBI GEO(GSE275425),包含 1 个文件 GSE275425_series_matrix.txt.gz,主题为表达谱分析(高通量测序,GPL22396,物种 10116)。研究对大鼠背根神经节(DRG)在选择性冷神经松解术(SCN)后进行 RNA-seq 分析,以解析镇痛的分子特征,并开展单臂首次人体试验探索 SCN 对膝骨关节炎慢性疼痛患者的临床转化潜力。数据可用于研究 SCN 诱导的再生相关基因上调及神经元兴奋性相关基因变化,并支撑疼痛管理相关的表达谱分析(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):安全有效的疼痛管理迫切需要持久的非阿片类疗法。我们此前已证明,用冰浆对大鼠坐骨神经进行选择性冷神经松解术(SCN)可产生持久镇痛。为解析镇痛的分子特征,我们在 SCN 后使用 RNA-seq 分析大鼠背根神经节(DRG)。SCN 诱导再生相关基因上调,并伴随神经元兴奋性相关基因的变化。我们通过一项单臂、首次人体试点研究探索了 SCN 的临床转化潜力,该研究涉及 16 例继发于膝骨关节炎的慢性疼痛患者。这些结果表明,SCN 安全且可耐受,并与疼痛水平降低 4 分(p < 0.001)相关,疼痛水平通过自我报告的数字评分量表评估,在 7 天时达到峰值,并持续长达 12 周
【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:GPL22396、10116。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=GSE275425
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=GSE275425
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
持久、非阿片类疗法是安全有效疼痛管理的迫切需求。我们此前已证明,采用冰浆对坐骨神经进行选择性冷神经松解术(SCN)可使大鼠产生持久镇痛。为解析镇痛的分子特征,我们在SCN后采用RNA-seq对大鼠背根神经节(DRG)进行了分析。SCN诱导了再生相关基因的上调,并伴随神经元兴奋性相关基因的改变。我们通过一项单臂、首次人体试点研究探索了SCN的临床转化潜力,该研究纳入16例继发于膝骨关节炎的慢性疼痛患者。结果表明,SCN安全且可耐受,并与疼痛水平降低4分(p < 0.001)相关——疼痛水平通过自我报告的数字评定量表评估,在单次注射后第7天达到峰值,并持续长达12周。这些结果提示,SCN协调产生镇痛反应,并伴随DRG中的转录变化。
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。




