胶质母细胞瘤_星形胶质细胞_尿素循环_异质性分析数据
该数据集是一个专注于胶质母细胞瘤（高级别星形细胞瘤）的多模态研究资源，包含临床表格、基因突变、基因表达矩阵、细胞标志物、生存分析、基因互作网络和通路富集等多类型数据，通过整合单细胞RNA测序与bulk转录组数据，旨在系统分析星形胶质细胞中尿素循环通路的异质性特征，为研究胶质母细胞瘤的代谢异质性、肿瘤微环境及寻找新的治疗靶点提供关键数据基础。
基本信息
资源简介
胶质母细胞瘤_星形胶质细胞_尿素循环_异质性分析数据
【数据内容】
源站原始描述：数据集概述 本数据集为胶质母细胞瘤研究相关数据，包含14个文件，覆盖临床信息、基因突变、基因矩阵、细胞标志物、生存分析、基因互作、通路富集等内容，用于支持单细胞RNA测序与 bulk转录组联合分析，揭示星形胶质细胞尿素循环的异质性特征。 文件详解 临床与基因突变类 TableS2 clinical.json（JSON格式）：临床信息数据 TableS3
中文译文（机器翻译，仅供快速理解，请以原文为准）：Dataset overview: This dataset contains data related to glioblastoma research, including 14 files covering clinical information, gene mutations, gene matrices, cell markers, survival analysis, gene interactions, pathway enrichment, and other content. It is used to support the combined analysis of single-cell RNA sequencing and bulk transcriptomics, revealing the heterogeneity characteristics of the urea cycle in astrocytes. Detailed file descriptions: Clinical and gene mutation category TableS2 clinical.json (JSON format): clinical information data TableS3...
【获取与许可】
源站页面：https://haidatas.com/dataset/jiaozhimuxibaoliu_xingxingjiaozhixibao_nia_18aca331
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://haidatas.com/dataset/jiaozhimuxibaoliu_xingxingjiaozhixibao_nia_18aca331
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
本数据集是针对胶质母细胞瘤（一种高级别星形细胞瘤）的研究数据集，包含14个文件，涵盖了临床信息、基因突变、基因表达矩阵、细胞标志物、生存分析、基因互作网络和通路富集分析等多维度数据。该数据集通过整合单细胞RNA测序与bulk转录组数据进行联合分析，旨在深入揭示星形胶质细胞中尿素循环通路的异质性特征，为理解胶质母细胞瘤的代谢重编程、肿瘤微环境异质性及潜在治疗靶点提供数据支持。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
