Angiopoietin-2缺失导致区域特异性脑畸形与血脑屏障渗漏
该数据集来自NCBI GEO,标题为Angiopoietin-2缺失导致区域特异性脑畸形与血脑屏障渗漏,包含1个文件(GSE317102_series_matrix.txt.gz),采用高通量测序进行表达谱分析,物种为小鼠(10090),平台为GPL30172

基本信息
资源简介
Angiopoietin-2缺失导致区域特异性脑畸形与血脑屏障渗漏
Loss of Angiopoietin-2 leads to region-specific brain malformations and blood-brain barrier leakage
该数据集来自NCBI GEO,标题为Angiopoietin-2缺失导致区域特异性脑畸形与血脑屏障渗漏,包含1个文件(GSE317102_series_matrix.txt.gz),采用高通量测序进行表达谱分析,物种为小鼠(10090),平台为GPL30172。数据可用于研究ANGPT2在脑微血管中的生理功能、血脑屏障通透性差异及相关血管畸形机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):Angiopoietin-2(ANGPT2)已知在大多数外周器官中会破坏血管屏障的稳定性;然而,其在大脑血管中的作用仍知之甚少。为了研究其在大脑血管中的生理功能,我们分析了成年期的组成性Angpt2敲除(KO)小鼠。我们发现,ANGPT2的缺失会导致区域特异性的血管畸形和血脑屏障(BBB)功能障碍,从而对1 kDa和70 kDa荧光示踪剂产生差异性通透性。值得注意的是,明显的血管畸形仅出现在允许两种示踪剂渗漏的特定脑区。这些畸形的特征是内皮细胞扩张、交织和出芽,周围环绕着反应性血管周围细胞,同时伴有星形胶质细胞和神经元来源的血管内皮生长因子A(VEGFA)高水平表达以及血管受体表达的升高。
【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:GPL30172、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=GSE317102
【使用注意】
· 源站最后修改于 May 08 202,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=GSE317102
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
血管生成素-2(ANGPT2)已知在大多数外周器官中会破坏血管屏障的稳定性;然而,其在大脑血管系统中的作用仍知之甚少。为探究其在大脑血管系统中的生理功能,我们分析了成年期的组成性Angpt2基因敲除(KO)小鼠。我们发现,ANGPT2的缺失会导致区域特异性的血管畸形和血脑屏障(BBB)功能障碍,从而对1 kDa和70 kDa荧光示踪剂表现出差异性通透性。值得注意的是,明显的血管畸形仅出现在部分允许两种示踪剂同时渗漏的脑区。这些畸形的特征为内皮细胞扩张、交织和出芽,周围环绕着反应性血管周围细胞,同时伴有星形胶质细胞和神经元来源的血管内皮生长因子A(VEGFA)水平升高,以及血管受体VEGF受体2(KDR)和神经纤毛蛋白1(NRP1)表达上调。其他无明显畸形的皮层区域则表现出1 kDa示踪剂的显著渗漏。我们还证明,不同细胞类型在示踪剂通过BBB后对其进行了摄取。
我们的研究结果确定了ANGPT2是参与调控脑血管结构、屏障完整性和内皮-实质相互作用的重要因子,并揭示了两种广泛使用的BBB示踪剂在渗漏模式和细胞摄取方面令人惊讶的差异。
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。




