高级别胶质瘤空间结构揭示不同结构域内的肿瘤异质性
该数据集来自 NCBI GEO(GSE232469),包含 1 个文件,聚焦高级别胶质瘤(包括 IDH 野生型胶质母细胞瘤和 IDH 突变型高级别胶质瘤)的空间分子图谱

基本信息
资源简介
高级别胶质瘤空间结构揭示不同结构域内的肿瘤异质性
Spatial architecture of high-grade glioma reveals tumor heterogeneity within distinct domains
该数据集来自 NCBI GEO(GSE232469),包含 1 个文件,聚焦高级别胶质瘤(包括 IDH 野生型胶质母细胞瘤和 IDH 突变型高级别胶质瘤)的空间分子图谱。源站描述显示,研究利用数字空间分析和空间分子成像技术,在保留细胞原位组织结构的条件下,解析肿瘤与免疫微环境的细胞亚型及空间群落,并揭示推断拷贝数变异的异质性。数据可用于研究高级别胶质瘤的空间架构、肿瘤异质性及微环境组成(来源 NCBI)。
【数据集背景】
源站首次发布:May 13 202。
【数据内容】
源站描述(机器翻译,仅供参考):高级别胶质瘤是侵袭性原发性脑癌,对标准治疗方案反应差,其驱动因素是巨大的异质性。在异柠檬酸脱氢酶(IDH)野生型高级别胶质瘤(胶质母细胞瘤,GBM)中,瘤内异质性增加与更具侵袭性的疾病相关。近来,空间技术已经出现,通过原位保留细胞组织来剖析肿瘤生态系统内这种复杂的异质性。在这里,我们构建了 GBM 和 IDH 突变型高级别胶质瘤患者样本的高分辨率分子图谱,利用数字空间分析和空间分子成像研究组成高级别胶质瘤的细胞亚型和空间群落。这揭示了肿瘤和免疫微环境的显著多样性,其体现在肿瘤中推断拷贝数变异的异质性上。重建
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL24676、9606。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE232469
【使用注意】
· 源站最后修改于 Dec 13 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE232469
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
高级别胶质瘤是侵袭性原发性脑癌,对标准治疗方案反应不佳,其驱动因素是巨大的异质性。在异柠檬酸脱氢酶(IDH)野生型高级别胶质瘤(胶质母细胞瘤,GBM)中,瘤内异质性增加与更具侵袭性的疾病相关。近年来,空间技术的出现使得通过原位保留细胞组织架构来解析肿瘤生态系统内这一复杂异质性成为可能。本研究利用数字空间分析和空间分子成像技术,构建了GBM和IDH突变型高级别胶质瘤患者样本的高分辨率分子图谱,以探究构成高级别胶质瘤的细胞亚型及空间群落。研究揭示了肿瘤与免疫微环境惊人的多样性,这体现在所推断的肿瘤拷贝数变异的异质性上。重建肿瘤架构揭示了脑内微环境(由反映脑细胞类型的肿瘤细胞和小胶质细胞组成)和脑外微环境(由间充质肿瘤细胞和单核细胞填充)。
我们进一步揭示,这些微环境中的细胞通讯是由特定的配体-受体对支撑的。这项初步研究显示,高级别胶质瘤中存在高水平的瘤内异质性,这与空间局限区域内多样的免疫景观相关。
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。




