人类多巴胺神经元单细胞基因组图谱:识别帕金森病中选择性退化的神经元群体
该数据集来自 cellxgene.cziscience.com,聚焦帕金森病中黑质致密部多巴胺能神经元的选择性易损性。研究者开发了富集并转录组分析数千个多巴胺能神经元的方案,对帕金森病患者与匹配对照共采样 387,483 个细胞核,其中包含 22,048 个多巴胺能神经元图谱,鉴定出 10 个神经元

基本信息
资源简介
人类多巴胺神经元单细胞基因组图谱:识别帕金森病中选择性退化的神经元群体
该数据集来自 cellxgene.cziscience.com,聚焦帕金森病中黑质致密部多巴胺能神经元的选择性易损性。研究者开发了富集并转录组分析数千个多巴胺能神经元的方案,对帕金森病患者与匹配对照共采样 387,483 个细胞核,其中包含 22,048 个多巴胺能神经元图谱,鉴定出 10 个神经元群体,并用 Slide-seq 在 SNpc 内进行空间定位。数据可用于研究帕金森病中多巴胺能神经元亚型易损性的分子特征(来源 cellxgene.cziscience.com)。
【数据内容】
源站描述(机器翻译,仅供参考):黑质致密部(SNpc)内部分多巴胺(DA)神经元的丢失是帕金森病(PD)的一个决定性病理标志。然而,与 DA 神经元易损性相关的分子特征尚未被完全确定。为了全面表征黑质 DA 神经元类型及其对 PD 的相对易损性,我们开发了一种方案,用于富集并对来自 PD 患者和匹配对照的数千个 DA 神经元进行转录组分析,共采样 387,483 个细胞核,其中包括 22,048 个 DA 神经元图谱。我们鉴定出 10 个群体,并使用 Slide-seq 将每个群体在 SNpc 内进行空间定位。一个由基因 AGTR1 表达标记、空间上局限于 SNpc 腹侧层的单一亚型,对丢失高度敏感,并显示出 TP53 和 NR2F2 靶标的最强上调,从而提名了与
【主题与分类】
主题标签:Lewy body dementia、Parkinson disease、normal。本站分类:神经系统疾病/帕金森病。
【获取与许可】
源站页面:https://cellxgene.cziscience.com/collections/b0f0b447-ac37-45b0-b1bf-5c0b7d871120
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://cellxgene.cziscience.com/collections/b0f0b447-ac37-45b0-b1bf-5c0b7d871120
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
黑质致密部(SNpc)内部分多巴胺(DA)神经元的丢失是帕金森病(PD)的一个决定性病理标志。然而,与DA神经元易感性相关的分子特征尚未被完全确定。为了全面表征黑质DA神经元的类型及其对PD的相对易感性,我们开发了一套方案,用于富集并转录组分析来自PD患者及匹配对照的数千个DA神经元,共采样了387,483个细胞核,其中包括22,048个DA神经元图谱。我们鉴定出10个群体,并利用Slide-seq将每个群体在SNpc内进行空间定位。其中一个单一亚型,以AGTR1基因表达为标志,并在空间上局限于SNpc的腹侧层,对该亚型的丢失高度易感,并显示出TP53和NR2F2靶标的最强上调,从而提名了与体内退变相关的分子过程。这同一易感群体特别富集了与PD相关的遗传风险,突显了细胞内在通路在决定DA神经元对PD相关退变差异易感性中的重要性。
注意:进行基因搜索时,所有基因名称均已大写。疾病:路易体痴呆、帕金森病、正常。组织:黑质致密部。检测方法:10x 3’ v3。单细胞数据集(CZ CELLxGENE)。
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。




