A2B5定义的人胶质瘤起始祖细胞在胶质瘤发生各阶段的差异基因表达
该数据集来自 omicsdi.org,属于肿瘤/脑肿瘤分类,主题为转录组学。数据基于 A2B5 抗体分选,从低级别胶质瘤、少突胶质细胞瘤、少突星形细胞瘤、间变性星形细胞瘤和胶质母细胞瘤等多种人胶质瘤中提取祖细胞样细胞,并进行表达谱分析

基本信息
资源简介
A2B5定义的人胶质瘤起始祖细胞在胶质瘤发生各阶段的差异基因表达
该数据集来自 omicsdi.org,属于肿瘤/脑肿瘤分类,主题为转录组学。数据基于 A2B5 抗体分选,从低级别胶质瘤、少突胶质细胞瘤、少突星形细胞瘤、间变性星形细胞瘤和胶质母细胞瘤等多种人胶质瘤中提取祖细胞样细胞,并进行表达谱分析。研究显示 A2B5+ 肿瘤细胞在正交异种移植后具有致瘤性,且生成的肿瘤反映其来源肿瘤的表型;表达谱可区分 A2B5+ 肿瘤祖细胞与正常成人白质来源的 A2B5+ 胶质祖细胞,多数差异表达基因随肿瘤分期变化。该数据可用于胶质瘤发生机制与分期相关基因表达研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):成人白质中表达可被单克隆抗体 A2B5 识别的神经节苷脂的胶质祖细胞(GPCs)是脑胶质肿瘤的潜在来源。我们使用基于 A2B5 的分选从一系列人胶质肿瘤中提取祖细胞样细胞,包括低级别胶质瘤、少突胶质细胞瘤、少突星形细胞瘤、间变性星形细胞瘤和多形性胶质母细胞瘤。A2B5+ 肿瘤细胞在正交异种移植后证明具有致瘤性,且生成的肿瘤反映了其来源肿瘤的表型。表达谱分析显示,A2B5+ 肿瘤祖细胞表达一组基因,据此可将它们与从正常成人白质中分离的 A2B5+ GPCs 区分开。胶质瘤来源的 A2B5+ 细胞差异表达的大多数基因随肿瘤分期变化;然而,少数基因始终表达于一个
【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-29796
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-GEOD-29796
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
成人白质的胶质祖细胞(GPCs)表达可被单克隆抗体A2B5识别的神经节苷脂,是脑胶质瘤的潜在来源。我们采用基于A2B5的分选方法,从一系列人胶质瘤中提取祖细胞样细胞,包括低级别胶质瘤、少突胶质细胞瘤、少突-星形细胞瘤、间变性星形细胞瘤和多形性胶质母细胞瘤。A2B5+肿瘤细胞在原位异种移植后表现出致瘤性,且生成的肿瘤反映了其来源肿瘤的表型。表达谱分析显示,A2B5+肿瘤祖细胞表达一组基因,借此可与正常成人白质中分离的A2B5+ GPCs区分。胶质瘤来源的A2B5+细胞差异表达的大多数基因随肿瘤分期而变化;然而,少数基因在胶质瘤发生的所有阶段均恒定表达。这些胶质瘤祖细胞相关基因包括CD24、SIX1和EYA1,它们在胶质瘤发生的所有阶段均上调;以及MTUS1和SPOCK3,它们在肿瘤进展的所有阶段均下调。
qPCR和免疫标记证实了这些基因在原发性胶质瘤中的差异表达,而通路分析则将其区分为差异活跃的信号通路。通过比较胶质瘤祖细胞与其同样分离的正常同源细胞的表达模式,我们鉴定出一组离散的致癌通路,借此既可更好地理解胶质瘤的发生机制,也能更有效地进行靶向干预。来源于疾病和/或病理匹配患者的样本,依据确切的肿瘤表型、肿瘤分级或肿瘤与正常组织样本,被视为重复样本。
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。




