健康人PBMC的SCITO-seq2超高通量单细胞转录组与表位图谱

该数据集来自NCBI GEO,采用SCITO-seq2平台对健康人外周血单个核细胞(PBMC)进行超高通量单细胞转录组与表面蛋白同步检测

geo
浏览 6
基因组分类GPL246769606
GSE282881: Ultra high-throughput single-cell transcriptome and epitope profiling of healthy human PBMCs using SCITO-seq2

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-22

资源简介

健康人PBMC的SCITO-seq2超高通量单细胞转录组与表位图谱

Ultra high-throughput single-cell transcriptome and epitope profiling of healthy human PBMCs using SCITO-seq2

该数据集来自NCBI GEO,采用SCITO-seq2平台对健康人外周血单个核细胞(PBMC)进行超高通量单细胞转录组与表面蛋白同步检测。研究分两阶段:先以健康供体PBMC验证技术性能,再比较健康对照、儿童系统性红斑狼疮(cSLE)患者及CTLA4单倍剂量不足伴自身免疫浸润(CHAI)患者样本。数据可用于评估SCITO-seq2在正常与疾病状态下的适用性,并支持免疫细胞转录组与表位联合分析(来源 NCBI)。

【数据集背景】

源站首次发布:Nov 26 202。

【数据内容】

源站描述(机器翻译,仅供参考):本研究使用SCITO-seq2(一个增强平台,可提高独特转录本的回收率并同时检测表面蛋白)呈现了全面的单细胞转录组和表面蛋白图谱。分析分两个阶段进行:首先使用健康供体PBMC验证技术性能,其次比较来自健康对照、儿童系统性红斑狼疮(cSLE)患者以及CTLA4单倍剂量不足和自身免疫浸润(CHAI)患者的样本。这些结果证明了该平台对正常和疾病状态的适用性。

【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:免疫系统疾病。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE282881

【使用注意】

· 源站最后修改于 Apr 06 202,引用时请注意版本时效。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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=GSE282881

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

本研究采用SCITO-seq2平台进行了全面的单细胞转录组和表面蛋白分析,该增强型平台提高了独特转录本的回收率,同时能够实现表面蛋白的同时检测。分析分两个阶段进行:首先使用健康供者外周血单个核细胞(PBMC)验证技术性能,其次比较健康对照、儿童系统性红斑狼疮(cSLE)患者以及CTLA4单倍剂量不足伴自身免疫浸润(CHAI)患者的样本。这些结果证明了该平台在正常和疾病状态下的适用性。

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。

获取专属数据定制方案