正常与急性主动脉夹层升主动脉单细胞转录组分析
该数据集来自NCBI GEO,包含正常与急性主动脉夹层升主动脉的单细胞转录组表达谱数据,文件为GSE189795_series_matrix.txt.gz

基本信息
资源简介
正常与急性主动脉夹层升主动脉单细胞转录组分析
Single-Cell Transcriptomic Analysis Reveals Differential Cell Subpopulations and Distinct Phenotype Transition in Normal and Acute Dissected Ascending Aorta
该数据集来自NCBI GEO,包含正常与急性主动脉夹层升主动脉的单细胞转录组表达谱数据,文件为GSE189795_series_matrix.txt.gz。研究通过高通量测序分析不同细胞类型在ATAD与对照组间的特征差异,并预测可能促进疾病进展的细胞间相互作用。数据可用于探索急性主动脉夹层的细胞亚群变化、表型转变机制及细胞互作网络(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:急性胸主动脉夹层(ATAD)是一种致命性疾病,其特征为内膜撕裂和假腔形成,进而导致主动脉破裂。为更好地理解ATAD的潜在机制,我们分析了ATAD组与对照组之间不同细胞类型的特征,并预测了可能促进ATAD进展的不同细胞类型之间的相互作用。
【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:泌尿生殖系统疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE189795
【使用注意】
· 源站最后修改于 Jul 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=GSE189795
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
背景:急性胸主动脉夹层(ATAD)是一种致命性疾病,其特征为内膜撕裂及假腔形成,进而导致主动脉破裂。为更好地理解ATAD的潜在机制,我们分析了ATAD组与对照组之间不同细胞类型的特征,并预测了可能促进ATAD进展的不同细胞类型间的相互作用。方法:对5例ATAD患者和4例健康对照者进行了单细胞RNA测序(scRNA-seq)。细胞从升主动脉组织中消化获得,基于scRNA-seq数据鉴定了大多数细胞类型的亚群。通过生物信息学分析分析了各细胞类型的基因表达谱及ATAD组与对照组之间的相关变化。我们还预测了不同细胞类型间的潜在相互作用,并通过免疫组织化学(IHC)和免疫荧光(IF)验证了结果。结果:我们从人升主动脉中获得了8种细胞类型,重新聚类后鉴定出50个亚群,包括血管平滑肌细胞(VSMCs)、内皮细胞、成纤维细胞、中性粒细胞、单核细胞和巨噬细胞。
与对照组相比,ATAD组中合成型VSMCs、功能失调的中性粒细胞和单核细胞的比例更高。接下来,我们通过CytoTRACE预测了VSMCs、成纤维细胞和中性粒细胞的分化轨迹,然后鉴定了具有较高分化潜能的亚群。此外,我们通过加权基因共表达网络分析检测了VSMCs、成纤维细胞和中性粒细胞的核心基因。进一步分析显示,前列腺六次跨膜上皮抗原4金属还原酶(STEAP4)可能成为分离合成型VSMCs的新标志物,并经IHC和IF验证。我们还发现,合成型VSMCs来源的C-X-C基序趋化因子配体12(CXCL12)可能通过与C-X-C基序趋化因子受体4(CX
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。




