胶质母细胞瘤中促进少突胶质祖细胞样细胞分化与静息的候选通路
数据围绕正常小鼠脑内主要细胞类型(含 OPC)的翻译谱,以及 Pdgf 驱动胶质瘤小鼠模型中 Olig2+ 少突胶质细胞的翻译谱展开,用于比较肿瘤性 Olig2+ 细胞与正常 OPC 的相似性,并识别与分化或静息相关的关键祖细胞基因差异

基本信息
资源简介
胶质母细胞瘤中促进少突胶质祖细胞样细胞分化与静息的候选通路
该数据集来自 omicsdi.org,属于肿瘤/脑肿瘤分类,主题为 Transcriptomics。数据围绕正常小鼠脑内主要细胞类型(含 OPC)的翻译谱,以及 Pdgf 驱动胶质瘤小鼠模型中 Olig2+ 少突胶质细胞的翻译谱展开,用于比较肿瘤性 Olig2+ 细胞与正常 OPC 的相似性,并识别与分化或静息相关的关键祖细胞基因差异。数据集包含两个子集,其中一个刻画神经元、星形胶质细胞等的正常翻译谱。可用于研究胶质母细胞瘤中 OPC 样细胞的候选调控通路(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):成熟中枢神经系统含有 PDGFRA+ 的“少突胶质祖细胞”(OPC),这些细胞可能保持静息、增殖或分化为少突胶质细胞。在人类胶质瘤中,常可观察到类似 OPC 的快速增殖的 Olig2+ 细胞。我们试图在体内鉴定 OPC 分化或静息所特有的候选通路。利用 bacTRAP 方法,我们生成并分析了小鼠品系,用于对正常小鼠脑中的主要细胞类型(包括 OPC)进行翻译谱分析。随后,我们对 Pdgf 驱动胶质瘤小鼠模型中的少突胶质(Olig2+)细胞进行了谱分析。该分析证实,Olig2+ 肿瘤细胞与 OPC 最为相似,但也鉴定出关键祖细胞基因的差异——这些是促进分化或静息的候选基因。此处有两个数据集。其中一个刻画了神经元、星形胶质细胞等的正常翻译谱。
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30626
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30626
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
成熟的中枢神经系统包含PDGFRA+的“少突胶质前体细胞”(OPC),这些细胞可能保持静息状态、增殖或分化为少突胶质细胞。在人类胶质瘤中,经常观察到类似于OPC的快速增殖的Olig2+细胞。我们试图在体内识别OPC分化或静息状态独特需要的候选途径。利用bacTRAP方法,我们生成并分析了小鼠品系,用于在正常小鼠大脑中对主要细胞类型(包括OPC)进行翻译谱分析。随后,我们对来自Pdgf驱动胶质瘤小鼠模型的少突胶质(Olig2+)细胞进行了谱分析。该分析证实,Olig2+肿瘤细胞与OPC最为相似,但也识别出关键祖细胞基因的差异——这些是促进分化或静息状态的候选基因。此处有两个数据集。一个描述了神经元、星形胶质细胞、成熟和未成熟少突胶质细胞的正常翻译谱。每种细胞类型均从至少两只小鼠的混合样本中进行三次重复分析,并平行收集总RNA对照。
第二个数据集包含了来自几种胶质瘤小鼠模型变体中Olig2阳性细胞的翻译谱。每种变体至少收集了三份样本,并平行分析了总RNA对照。所有翻译谱均采用翻译核糖体亲和纯化方案生成。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




