早期化脓性汗腺炎病灶的细胞与分子图谱揭示早期免疫微环境
该数据集聚焦早期化脓性汗腺炎(HS)病灶的细胞与分子环境,来源为doi.org。研究对Hurley I–II期早期丘疹结节型HS病灶的全层皮肤活检样本采用空间RNA测序与成像质谱流式(IMC)分析,识别出B细胞、T细胞、巨噬细胞、浆细胞和中性粒细胞等免疫表型,并发现真皮浸润中浆细胞与记忆B细胞显著增

基本信息
资源简介
早期化脓性汗腺炎病灶的细胞与分子图谱揭示早期免疫微环境
Cellular And Molecular Landscape Of Early Hidradenitis Suppurativa Lesions Reveals Early Immune Microenvironment
该数据集聚焦早期化脓性汗腺炎(HS)病灶的细胞与分子环境,来源为doi.org。研究对Hurley I–II期早期丘疹结节型HS病灶的全层皮肤活检样本采用空间RNA测序与成像质谱流式(IMC)分析,识别出B细胞、T细胞、巨噬细胞、浆细胞和中性粒细胞等免疫表型,并发现真皮浸润中浆细胞与记忆B细胞显著增加、免疫球蛋白基因及浆细胞标志物高表达,T细胞在血管周围聚集形成异位淋巴样结构。数据可用于探索早期HS的免疫驱动机制(来源 DOI 解析)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):化脓性汗腺炎(HS)是一种慢性炎症性皮肤病,主要累及含顶泌腺的区域。尽管Th17介导的炎症在晚期HS(Hurley II–III期)中已被充分描述,但驱动早期疾病的免疫机制仍不清楚。为表征早期HS病灶的细胞与分子环境并识别潜在的早期疾病驱动因素,研究使用空间RNA测序和成像质谱流式(IMC)分析了来自早期丘疹结节型HS病灶(Hurley I–II期)的全层皮肤活检样本。识别出不同的免疫表型,包括B细胞、T细胞、巨噬细胞、浆细胞和中性粒细胞。早期HS病灶显示真皮浸润中浆细胞和记忆B细胞显著增加,免疫球蛋白基因和浆细胞标志物高表达。T细胞在血管周围聚集于异位淋巴oid
【主题与分类】
主题标签:Medicine, Health and Life Sciences、Hidradenitis RNAseq。本站分类:免疫系统疾病。
【获取与许可】
源站页面:https://borealisdata.ca/citation?persistentId=doi:10.5683/SP3/HKHV08
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://doi.org/10.5683/SP3/HKHV08
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
化脓性汗腺炎(HS)是一种慢性炎症性皮肤病,主要累及含大汗腺的区域。尽管Th17介导的炎症在晚期HS(Hurley II–III级)中已有充分描述,但驱动早期疾病的免疫机制仍不清楚。旨在表征早期HS皮损的细胞和分子环境,并识别潜在的早期疾病驱动因素。采用空间RNA测序和成像质谱流式技术(IMC)对早期丘疹结节性HS皮损(Hurley I–II级)的全层皮肤活检组织进行分析。识别出不同的免疫表型,包括B细胞、T细胞、巨噬细胞、浆细胞和中性粒细胞。早期HS皮损真皮浸润中浆细胞和记忆B细胞显著增多,免疫球蛋白基因和浆细胞标志物高表达。T细胞聚集在血管周围形成异位淋巴样结构,但缺乏经典Th1、Th2或Th17细胞因子的表达。早期HS以B细胞活化和浆细胞分化为特征,这一过程先于完整的Th17通路激活。
这些发现凸显了B细胞和浆细胞作为潜在早期治疗靶点的重要性,尤其是在向Th17驱动的慢性炎症转变之前。
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。




