儿童脑肿瘤干细胞样细胞比较基因组杂交芯片数据集
该数据集来自omicsdi.org,收录儿童脑肿瘤中具有干细胞样特性的肿瘤细胞(TSCs)的array比较基因组杂交数据,属于肿瘤/脑肿瘤分类,主题标签为Transcriptomics

基本信息
资源简介
儿童脑肿瘤干细胞样细胞比较基因组杂交芯片数据集
该数据集来自omicsdi.org,收录儿童脑肿瘤中具有干细胞样特性的肿瘤细胞(TSCs)的array比较基因组杂交数据,属于肿瘤/脑肿瘤分类,主题标签为Transcriptomics。源站描述显示,研究从55例儿童脑肿瘤样本中的多数分离出具有自我更新特性的肿瘤细胞,覆盖胚胎性肿瘤、低级别胶质瘤与神经胶质肿瘤、室间隔膜瘤及高级别胶质瘤等不同组织病理类型和恶性级别,并观察到高级别胶质瘤来源的肿瘤球可长期自我更新。该数据可用于研究儿童脑肿瘤干细胞样细胞的基因组变异特征及其与组织病理类型、恶性级别的关联(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):背景 原始脑肿瘤是儿童癌症相关死亡的首位原因。具有干细胞样特性的肿瘤细胞(TSCs)被认为与肿瘤发生和治疗耐药有关,已从成人高级别胶质瘤中分离出来。TSCs是否为儿童脑肿瘤的常见成分及其临床相关性仍有待确定。方法/主要发现 采用细胞生物学技术从55例儿童脑肿瘤样本中的多数分离出具有自我更新特性的肿瘤细胞,无论其组织病理学和恶性级别如何(胚胎性肿瘤57%、低级别胶质瘤和神经胶质肿瘤57%、室间隔膜瘤70%、高级别胶质瘤91%)。绝大多数(10/12)高级别胶质瘤来源的肿瘤球维持了类似于神经干细胞的长期自我更新数量(>7次自我更新),而细胞
【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-MEXP-2909
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://omicsdi.org/dataset/biostudies-arrayexpress/E-MEXP-2909
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
背景 原发性脑肿瘤是儿童癌症相关死亡的首要原因。具有干细胞样特性的肿瘤细胞(TSCs)被认为与肿瘤发生和治疗耐药有关,已从成人高级别胶质瘤中分离出来。TSCs是否为儿童脑肿瘤的常见组成部分并具有临床相关性,仍有待确定。方法/主要发现 无论组织病理学和恶性程度如何,采用细胞生物学技术从55例儿童脑肿瘤样本中的大多数样本中分离出具有自我更新特性的肿瘤细胞(胚胎性肿瘤57%,低级别胶质瘤和神经胶质瘤57%,室管膜瘤70%,高级别胶质瘤91%)。绝大多数(10/12)高级别胶质瘤来源的肿瘤球维持了类似于神经干细胞的长期自我更新次数(>7次自我更新),而具有类似于神经祖细胞的有限更新能力的细胞在所有其他肿瘤类型中占主导地位。无论肿瘤类型如何,年轻年龄组均与类似于神经干细胞的自我更新特性相关(P=0.05,卡方检验)。
TSCs具有复杂的分子特征,既表达胚胎干细胞标志物,又包含调控神经干细胞特性及上皮-间质转化的要素。它们对放疗和化疗均具有耐受性,经脑内移植后可形成侵袭性肿瘤。对该队列的生存分析显示,分离出具有长期自我更新能力的TSCs与患者较高的死亡率之间存在关联(P = 0.022,log-rank检验)。携带自我更新能力有限的细胞的患者构成一个生存期居中的中间组,但未达到统计学显著性。结论/意义:在影响成年患者的脑肿瘤中,TSC仅从高级别胶质瘤中分离获得。相比之下,我们的数据表明,具有干细胞样或祖细胞样特性的肿瘤细胞可从广泛的组织学
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。




