13例手术切除样本中的脑恶性肿瘤脑血管系统
该数据集来自NCBI GEO,包含13例手术切除样本的脑血管细胞单细胞mRNA测序数据,样本涵盖正常脑组织与胶质瘤。研究对103,230个单细胞进行了转录组分析,其中内皮细胞57,324个、壁细胞27,703个,并分子定义了血脑屏障中的主要血管细胞类型,揭示了内皮细胞、壁细胞及血管周围细胞异质性的分

基本信息
资源简介
13例手术切除样本中的脑恶性肿瘤脑血管系统
Cerebrovasculature in brain malignancies from 13 surgical resected samples
该数据集来自NCBI GEO,包含13例手术切除样本的脑血管细胞单细胞mRNA测序数据,样本涵盖正常脑组织与胶质瘤。研究对103,230个单细胞进行了转录组分析,其中内皮细胞57,324个、壁细胞27,703个,并分子定义了血脑屏障中的主要血管细胞类型,揭示了内皮细胞、壁细胞及血管周围细胞异质性的分子基础。数据可用于脑血管细胞类型分类、血脑屏障相关基因表达分析及脑肿瘤微环境研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 31 202。
【数据内容】
源站描述(机器翻译,仅供参考):人类脑血管系统功能障碍参与多种神经疾病的发病机制,而血脑屏障(BBB)作为脑血管系统的器官型特化结构,阻碍了几乎所有脑部疾病的全身性治疗药物递送。在此,我们开发了一种新方法,能够以高捕获效率和高细胞活力从人类脑血管系统中分离新鲜细胞,并对来自13例手术切除样本(包括正常人类脑组织和胶质瘤——最常见的脑恶性肿瘤)的人类脑血管细胞进行了单细胞mRNA测序(scRNAseq)。我们对103,230个单细胞的转录组进行了分析,其中包括57,324个内皮细胞和27,703个壁细胞。我们在分子水平上定义了BBB中的主要血管细胞类型,并揭示了内皮细胞、壁细胞和血管周围细胞异质性的分子基础。
【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=GSE242044
【使用注意】
· 源站最后修改于 Aug 29 202,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=GSE242044
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
人脑血管系统的功能障碍参与多种神经疾病的发病机制,而血脑屏障(BBB)作为脑血管系统的一种器官型特化结构,阻碍了系统性疗法对几乎所有脑部疾病的递送。在此,我们开发了一种新方法,能够以高捕获效率和高细胞活力从人脑血管系统中分离新鲜细胞,并对来自13例手术切除样本的人脑血管细胞进行了单细胞mRNA测序(scRNAseq),样本包括正常人脑组织和胶质瘤——最常见的脑部恶性肿瘤。我们分析了103,230个单细胞的转录组,包括57,324个内皮细胞和27,703个血管壁细胞。我们在分子水平上定义了BBB中的主要血管细胞类型,并揭示了内皮细胞、血管壁细胞和血管周围成纤维细胞沿动静脉轴异质性的分子基础。
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。




