人脑肿瘤与人正常脑组织的表达数据
该数据集来源于 omicsdi.org，包含人脑肿瘤与人正常脑组织的基因表达谱数据，使用 Affymetrix HG-U133plus2 芯片（平台 GPL570）对 130 例手术肿瘤和正常脑样本进行检测
基本信息
资源简介
人脑肿瘤与人正常脑组织的表达数据
该数据集英文名为 Expression data from human brain tumors and human normal brain，来源于 omicsdi.org，本站归类为肿瘤 / 脑肿瘤，主题标签为 Transcriptomics。数据集包含人脑肿瘤与人正常脑组织的基因表达谱，使用 Affymetrix HG-U133plus2 芯片（平台 GPL570）对 130 例手术肿瘤和正常脑样本进行检测。其研究关注儿童脑肿瘤中浸润免疫细胞的特征，这一方向此前在很大程度上尚未被充分探索；通过比较不同脑肿瘤类型与正常脑组织之间的基因表达差异，可为识别关键免疫细胞标志物的表达变化、进而理解各类脑肿瘤的免疫特征提供数据基础，并为儿童脑肿瘤免疫治疗的发展提供支撑。
【数据集背景】
儿童脑肿瘤中浸润免疫细胞的特征在很大程度上仍未被充分探索。更好地理解这些特征，将为儿童脑肿瘤免疫治疗的发展奠定基础。该数据集正是围绕这一需求而生成：利用基因表达谱识别在不同脑肿瘤类型之间差异表达的关键免疫标志基因，并通过不同脑肿瘤与正常脑之间的比较分析，揭示这些肿瘤在免疫特征上的差异。
【数据内容】
数据集提供的是基因表达谱数据，覆盖人脑肿瘤样本与人正常脑样本。表达谱检测使用 Affymetrix HG-U133plus2 芯片（平台 GPL570）。样本总数为 130 例，来自手术肿瘤样本和正常脑样本。研究中对不同类型脑肿瘤与正常脑的基因表达谱进行过滤，以获取关键免疫细胞标志物的基因表达信息，并在此基础上开展不同脑肿瘤与正常脑之间的比较分析，用于识别这些肿瘤的差异免疫特征。
【采集与来源】
数据集来源于 omicsdi.org。样本为手术获取的肿瘤组织和正常脑组织，基因表达谱由 Affymetrix HG-U133plus2 芯片（平台 GPL570）生成。源站描述中给出的样本规模为 n=130，涵盖手术肿瘤样本与正常脑样本。
【适用场景】
该数据集适用于转录组学层面的脑肿瘤研究，尤其是围绕免疫细胞浸润特征的分析。典型用途包括：比较不同脑肿瘤类型与正常脑组织之间关键免疫细胞标志基因的表达差异；识别与肿瘤免疫特征相关的差异表达基因；为儿童脑肿瘤免疫治疗相关的基础研究提供表达谱层面的参考。主题标签为 Transcriptomics，表明其应用重心在转录组表达分析。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
源站未提供。
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-50161
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
免疫细胞浸润儿童脑肿瘤的特征在很大程度上尚未被探索。更好地理解这些特征将为儿童脑肿瘤免疫疗法的开发奠定基础。利用基因表达谱来识别在不同类型脑肿瘤之间差异表达的关键免疫细胞标记基因。使用Affymetrix HG-U133plus2芯片（平台GPL570）从手术肿瘤和正常脑样本（n=130）中生成基因表达谱。对不同类型脑肿瘤和正常脑的基因表达谱进行过滤，以获得关键免疫细胞标记物的基因表达。通过比较不同脑肿瘤与正常脑之间的差异，识别这些肿瘤的差异性免疫特征。
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。
