慢病毒介导的apoE4转导于原代神经元培养
该数据集来自datashare.ed.ac.uk,围绕慢病毒转导在原代海马神经元中过表达人apoE4,以识别apoE4表达改变所触发的信号通路分子变化

基本信息
资源简介
慢病毒介导的apoE4转导于原代神经元培养
该数据集来自datashare.ed.ac.uk,围绕慢病毒转导在原代海马神经元中过表达人apoE4,以识别apoE4表达改变所触发的信号通路分子变化。研究对18-21 DIV原代海马神经元进行慢病毒转导,并通过蛋白质组学分析其分子后果,计算研究提示线粒体功能障碍、sirtuin信号和氧化磷酸化相关蛋白发生变化。将本数据与人类AD患者APOE4“spared”(BA17)和“affected”(BA41/42)突触分离株的蛋白质组数据结合,可识别氧化磷酸化、sirtuin信号、谷氨酸受体信号和钙信号等突触信号通路的生理相关性(来源 datashare.ed.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):为了识别由apoE4表达改变所触发的信号通路中的分子变化,我们使用慢病毒转导在18-21 DIV原代海马神经元中过表达人apoE4。这些神经元中apoE4表达改变的分子后果通过蛋白质组学分析进行了映射。计算机研究突出了与线粒体功能障碍、sirtuin信号和氧化磷酸化相关的蛋白质变化。有趣的是,通过将此处生成的数据与来自人类患者AD APOE4“spared”(BA17)和“affected”(BA41/42)突触分离株的蛋白质组数据相结合,可以识别突触信号通路中的生理相关性,例如氧化磷酸化、sirtuin信号、谷氨酸受体信号和钙信号。因此,结合患者来源的死后分析,这种病毒apoE4过表达
【主题与分类】
主题标签:APOE、Neurodegeneration、Alzheimer's、dementia。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://datashare.ed.ac.uk/handle/10283/3755
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://datashare.ed.ac.uk/handle/10283/3755
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
为识别由apoE4表达改变所触发的信号通路中的分子变化,我们采用慢病毒转导在18-21 DIV原代海马神经元中过表达人apoE4。随后通过蛋白质组学分析绘制了这些神经元中apoE4表达改变所致的分子后果图谱。计算机模拟研究突显了与线粒体功能障碍、sirtuin信号传导及氧化磷酸化相关蛋白质的变化。有趣的是,将此处生成的数据与来自人类AD患者APOE4“ spared”(BA17)和“affected”(BA41/42)突触分离株的蛋白质组数据相结合,能够识别突触信号通路中的生理相关性,如氧化磷酸化、sirtuin信号传导、谷氨酸受体信号传导和钙信号传导。因此,结合患者来源的死后分析,这种病毒介导的apoE4过表达神经元培养系统有助于将apoE4触发的分子扰动与终末期AD脑区存在的慢性神经退行性过程区分开来。
如上所述(使用我们的标准工作流程),质谱数据输出结果提供于以下文件中——BiolayoutclustersforApoE4.xlsx、ApoE4Comparisonmolecules.xlsx。BiolayoutclustersforApoE4.xlsx文件包含根据细胞培养蛋白质组数据集的表达谱鉴定出的Biolayout聚类。ApoE4Comparisonmolecules.xlsx文件包含若干信号级联反应的选项卡,其中含有在转导细胞与人体组织样本之间呈现对数比值倍数变化的蛋白质,具体包括:样本详情——包含TMT标签信息;按独特肽段数量过滤后的LC-MS数据(仅保留2个及以上)。
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。




