帕金森病单细胞分辨率细胞类型特异性响应数据集
该数据集为GSE243639,来源于ncbi.nlm.nih.gov,包含15例散发性帕金森病病例和14例对照的人死后黑质致密部(SNpc)组织的单核转录组分析,约8万个细胞核,覆盖大脑所有主要细胞类型

基本信息
资源简介
帕金森病单细胞分辨率细胞类型特异性响应数据集
Unravelling cell type specific response to Parkinson’s Disease at single cell resolution
该数据集为GSE243639,来源于ncbi.nlm.nih.gov,包含15例散发性帕金森病病例和14例对照的人死后黑质致密部(SNpc)组织的单核转录组分析,约8万个细胞核,覆盖大脑所有主要细胞类型。数据可用于在转录组水平表征各细胞类型、识别细胞亚群及其特异性基因集,进而探究帕金森病中不同细胞类型的分子机制与特异性响应(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):帕金森病(PD)是第二常见的神经退行性疾病。PD的病理标志是多巴胺能神经元的丢失和聚集的α-突触核蛋白的存在,主要位于中脑的黑质致密部(SNpc)。然而,目前尚不清楚不同细胞类型中病理变化所依赖的分子机制。在此,我们展示了对15例散发性帕金森病(PD)病例和14例对照的人死后黑质致密部(SNpc)组织进行的单核转录组分析。我们的数据集由约8万个细胞核组成,代表了大脑的所有主要细胞类型,并使我们能够获得这些细胞类型的转录组水平表征。重要的是,我们为每种细胞类型识别了多个亚群,并描述了亚群特异性基因集,这些基因集为理解不同作用提供了见解。
【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:GPL24676、9606。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE243639
【使用注意】
· 源站最后修改于 Jan 23 202,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=GSE243639
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
帕金森病(PD)是第二常见的神经退行性疾病。PD的病理标志是中脑黑质致密部(SNpc)多巴胺能神经元的丢失以及聚集态α-突触核蛋白的存在。然而,目前尚不清楚不同细胞类型中病理改变背后的分子机制。在此,我们对15例散发性帕金森病(PD)病例和14例对照者的黑质致密部(SNpc)死后组织进行了单核转录组分析。我们的数据集包含约8万个细胞核,代表了大脑的所有主要细胞类型,使我们能够对这些细胞类型进行转录组水平的表征。重要的是,我们鉴定了每种细胞类型的多个亚群,并描述了亚群特异性基因集,为理解这些亚群的不同作用提供了见解。我们的研究结果揭示了PD样本中神经元细胞的显著减少,同时伴有胶质细胞和T细胞的增加。
亚群分析显示,PD样本中酪氨酸羟化酶(TH)阳性的星形胶质细胞、小胶质细胞和少突胶质细胞群体显著减少,表达TH的神经元同样减少。此外,对减少亚群的标记基因分析鉴定出28个重叠基因,包括与多巴胺代谢相关的基因(如ALDH1A1、SLC6A3和SLC18A2)。总体而言,本研究为理解PD中多巴胺能神经元变性和胶质细胞反应所涉及的分子机制提供了宝贵的资源,并揭示了新亚群和细胞类型特异性基因集的存在。
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。




