CODEX多重成像技术用于人类和小鼠黑色素瘤免疫治疗研究数据集
该数据集通过CODEX多重成像技术获取了人类和小鼠黑色素瘤组织在免疫治疗过程中的高维空间蛋白质表达数据，包含单细胞水平的40多种抗体荧光强度值，数据模态为空间蛋白质组学图像与定量表格，主要用于研究肿瘤微环境、免疫细胞浸润及免疫治疗响应机制等肿瘤免疫学方向。
基本信息
资源简介
CODEX多重成像技术用于人类和小鼠黑色素瘤免疫治疗研究数据集
【数据集背景】
本数据集源站标题为《CODEX multiplexed imaging of immunotherapy in human and mouse melanomas》。
【数据内容】
源站原始描述：Our research used CODEX (Co-Detection by Indexing) multiplexed imaging to gain insights into melanoma tumors in both murine models and human samples. CODEX imaging involves an iterative process of annealing and stripping fluorophore-labeled oligonucleotide barcodes, complementing the barcodes attached to over 40 antibodies used for tissue staining. Subsequently, images underwent standard CODEX image processing (tile stitching, drift compensation, cycle concatenation, background subtraction, deco…
【主题与分类】
主题标签：Spatial-omics、T cell therapy、Multiplexed Imaging、Melanoma、Cancer microenvironment、Immunology、CODEX、Checkpoint blockade、Immunotherapy。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:a65d593eeecbb0e95aecf54d547838b3cd7711619d994dd61ee8832a37b3b2b3
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
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
该数据集是一个基于CODEX（Co-Detection by Indexing）多重成像技术的单细胞水平数据集，旨在研究人类和小鼠黑色素瘤在免疫治疗过程中的肿瘤微环境。数据集包含来自小鼠模型和人类患者黑色素瘤组织的样本，通过40多种抗体标记的DNA寡核苷酸条形码进行组织染色，并利用CODEX成像系统获取高维空间蛋白质表达图像。数据经过图像拼接、漂移补偿、去卷积、单细胞分割和Z-score标准化等处理，最终以行为单个细胞、列为40多种抗体荧光强度值的矩阵形式呈现。该数据集主要用于肿瘤免疫学、肿瘤微环境分析、免疫治疗响应机制以及空间转录组学等研究方向。
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。
