尼古丁通过恢复BDNF-AMPK介导的脂质代谢稳态缓解帕金森病
该数据集来自NCBI GEO,包含1个文件(GSE303257_series_matrix.txt.gz),主题为尼古丁通过恢复BDNF-AMPK介导的脂质代谢稳态缓解帕金森病

基本信息
资源简介
尼古丁通过恢复BDNF-AMPK介导的脂质代谢稳态缓解帕金森病
Nicotine alleviates Parkinson’s disease by restoring BDNF-AMPK-mediated lipid metabolism homeostasis
该数据集来自NCBI GEO,包含1个文件(GSE303257_series_matrix.txt.gz),主题为尼古丁通过恢复BDNF-AMPK介导的脂质代谢稳态缓解帕金森病。数据基于高通量测序表达谱分析,平台为GPL25947,物种为10116(大鼠),覆盖6-OHDA诱导的神经毒性模型。可用于研究尼古丁的神经保护作用、脂质代谢稳态恢复机制以及BDNF/AMPK通路相关基因表达变化(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 22 202。
【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,其发病率持续上升。目前,PD尚无有效的疾病修饰疗法。烟草中发现的天然化合物因其独特结构和多样生物活性,被认为是新药发现的有前景的候选物。在本研究中,我们证明尼古丁在6-羟基多巴胺(6-OHDA)诱导的神经毒性模型中发挥显著的神经保护作用。RNA测序分析显示,尼古丁显著恢复了PD模型中的脂质代谢稳态。进一步研究表明,尼古丁上调脑源性神经营养因子(BDNF)表达,强烈激活AMP活化蛋白激酶(AMPK),并减少脂滴(LD)积累。此外,使用AMPK抑制剂和TrkB拮抗剂加剧了PD样
【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:GPL25947、10116。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=GSE303257
【使用注意】
· 源站最后修改于 Oct 01 202,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=GSE303257
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)是第二大最常见的神经退行性疾病,其发病率持续上升。目前,PD尚无有效的疾病修饰疗法。烟草中发现的天然化合物因其独特结构和多样生物活性,被认为是新药发现的有前景的候选物。在本研究中,我们证明尼古丁在6-羟基多巴胺(6-OHDA)诱导的神经毒性模型中发挥显著的神经保护作用。RNA测序分析显示,尼古丁显著恢复了PD模型中的脂质代谢稳态。进一步研究表明,尼古丁上调脑源性神经营养因子(BDNF)表达,强烈激活AMP活化蛋白激酶(AMPK),并减少脂滴(LD)积累。此外,使用AMPK抑制剂和TrkB拮抗剂会加重PD样症状和LD积累,同时阻断尼古丁的神经保护作用。
总体而言,我们的研究结果表明,尼古丁通过BDNF-AMPK信号通路调节脂质代谢,可能成为帕金森病(PD)有前景的治疗候选药物,为PD治疗提供了一种新方法。
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。




