人Th1与GZMK+ CD8+ T细胞中CMV特异性克隆扩增
主题标签：CMV、T细胞克隆扩增、单细胞PBMC分析、Th1细胞、GZMK+ CD8+ T细胞、TEMRA细胞、免疫衰老
基本信息
资源简介
人Th1与GZMK+ CD8+ T细胞中CMV特异性克隆扩增
该数据集英文名为“CMV-specific clonal expansion in human Th1 and GZMK+ CD8+ T cells”，来源于 synapse.org，在本站归入消化系统疾病 / 其他分类。其主题围绕巨细胞病毒（CMV）特异性T细胞克隆扩增，涉及单细胞PBMC（外周血单个核细胞）分析、Th1细胞、GZMK⁺ CD8⁺ T细胞、TEMRA细胞以及免疫衰老等方向。数据集是相关研究的主Synapse仓库，汇集了分析代码、处理后数据表与补充资源，并关联一个名为CMVerify的工具。整体而言，该数据集面向人类PBMC单细胞免疫 profiling 研究，为探索CMV感染背景下T细胞克隆扩增与免疫衰老的关系提供可复现的分析材料。
【数据集背景】
该数据集对应一项关于人类T细胞免疫的研究，核心主题是CMV特异性克隆扩增在Th1与GZMK⁺ CD8⁺ T细胞中的表现。源站描述引用了Grabauskas, T.等人2025年发表于bioRxiv的论文，题为“CMV-specific clonal expansion of Th1, GZMK⁺ CD8⁺, and TEMRA T cells revealed by human PBMC single cell profiling”，DOI为10.1101/2025.06.24.661167。该研究通过人类PBMC单细胞 profiling 揭示Th1、GZMK⁺ CD8⁺及TEMRA T细胞的CMV特异性克隆扩增，涉及免疫衰老相关议题。数据集作为该研究的主Synapse仓库，用于承载分析代码、处理后数据表及补充资源。
【数据内容】
数据集包含分析代码、处理后数据表与补充资源。仓库结构中设有“Jupyter Notebooks/”目录，内含用于复现可视化与执行下游分析的notebook，具体说明可参见notebook内联的markdown单元格。源站描述在此处截断，未提供更完整的目录结构与文件清单。数据主题标签包括CMV、T细胞克隆扩增、单细胞PBMC分析、Th1细胞、GZMK+ CD8+ T细胞、TEMRA细胞与免疫衰老。除上述内容外，源站未提供关于数据表具体字段、样本数量、细胞数或文件格式的进一步说明。
【采集与来源】
数据来源站为synapse.org，是该研究的主Synapse仓库。源站描述列出了研究作者与论文出处，但未提供样本采集地点、采集时间、受试者人群特征、测序平台或数据处理流程的具体细节。相关工具CMVerify托管于GitHub的UcarLab仓库（https://github.com/UcarLab/CMVerify）。关于原始数据如何采集与生成，源站未提供。
【适用场景】
基于主题标签与源站描述，该数据集适用于CMV特异性T细胞克隆扩增研究、人类PBMC单细胞数据分析、Th1与GZMK⁺ CD8⁺ T细胞及TEMRA细胞相关分析，以及免疫衰老方向的探索。数据集中的notebook可用于复现可视化与下游分析，处理后数据表可供二次分析使用。CMVerify工具的存在提示其可用于与CMV特异性相关的验证性分析。具体适用场景的边界与验证范围，源站未提供。
【使用方法】
使用者可通过Synapse平台访问该主仓库，获取分析代码、处理后数据表与补充资源。复现可视化与下游分析可参考“Jupyter Notebooks/”目录中的notebook，并阅读其内联markdown单元格以了解运行步骤。CMVerify工具可从GitHub的UcarLab/CMVerify仓库获取。关于运行环境、依赖版本、数据加载方式与具体操作流程，源站未提供完整说明。
【质量与限制】
源站描述未提供数据质量评估、质控指标、批次信息或已知偏差的说明。由于源站描述在仓库结构部分被截断，目录与文件的完整范围无法确认。该数据集对应的论文为bioRxiv预印本，其同行评审状态与最终发表情况源站未提供。使用时应结合原始论文与仓库内notebook说明进行判断。关于数据质量与限制的更多信息，源站未提供。
【引用与许可】
引用信息可参考源站列出的论文：Grabauskas, T., Trinity, L., Verschoor, C. P., Nehar-Belaid, D., Marches, R., Eryilmaz, G., Mahajan, A. S., Baarathi, S., Thibodeau, A., Picard, E., Kuo, C.-L., Schmader, K. E., Colon-Emeric, C., Whitson, H. E., Paust, S., García-Sastre, A., Yaari, G., Banchereau, J., Kuchel, G. A., & Ucar, D. (2025). CMV-specific clonal expansion of Th1, GZMK⁺ CD8⁺, and TEMRA T cells revealed by human PBMC single cell profiling. bioRxiv. DOI: https://doi.org/10.1101/2025.06.24.661167。关于数据集的许可协议与使用条款，源站未提供。
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。
需登录公开下载
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。
暂未开放有偿下载
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://synapse.org/Synapse:syn68150215
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
人Th1和GZMK⁺ CD8⁺ T细胞中CMV特异性克隆扩增 Grabauskas, T., Trinity, L., Verschoor, C. P., Nehar-Belaid, D., Marches, R., Eryilmaz, G., Mahajan, A. S., Baarathi, S., Thibodeau, A., Picard, E., Kuo, C.-L., Schmader, K. E., Colon-Emeric, C., Whitson, H. E., Paust, S., García-Sastre, A., Yaari, G., Banchereau, J., Kuchel, G. A., & Ucar, D. (2025). 人PBMC单细胞分析揭示Th1、GZMK⁺ CD8⁺和TEMRA T细胞的CMV特异性克隆扩增。bioRxiv。DOI: https://doi.org/10.1101/2025.06.24.661167 用于分析代码、处理后数据表及本研究相关补充资源的主要Synapse仓库。CMVerify工具托管于：https://github.com/UcarLab/CMVerify — # 仓库结构 ## Jupyter Notebooks/ 包含用于重现可视化及执行下游分析的notebook。有关更多使用细节和分析说明，请参见notebook内联markdown单元格。
Cell_compositional_analysis.ipynb - 谱系水平堆叠条形图和箱线图，比较CMV(+)与CMV(−) PBMC组成（图1F、S1C） - CD4/CD8比值箱线图（图1I） - CD8组成分析（图2B、2C、S2B） - CD4组成分析（图2I、S3B、S3F） - B细胞组成分析（图3C、S4B） - NK细胞组成分析（图3H、3G） - 单核细胞和DC组成分析（图4B、4E、S6A） - CMV相关变化汇总气泡图（图4G） - 纵向CMV(+)组成稳定性分析（图4H、S6D） #### Cohorts_1_4_Age_BMI_FrailtyIndex.ipynb - 元数据箱线图，显示CMV(+)与CMV(−)组在年龄、BMI、衰弱指数方面无显著差异（图S1A） #### UMAPs_and_MatrixPlots_baseline_samples.ipynb 所有主要免疫亚群的标记基因UMAP和矩阵热图。包括： - 谱系水平标记（图1C、1D、1E、S1B） - CD8 T细胞标记（图2A、2B、S2G、S2H） - CD4 T细胞标记（图2G、2H、S2A、S3A、S3D、S3E） - B细胞标记（图4A、4B、S4A） - NK细胞标记（图4D
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。
