GSE253080:利用空间转录组学解析胶质母细胞瘤异质且协调的组织结构
该数据集来自 NCBI GEO(GSE253080),包含 1 个文件 GSE253080_series_matrix.txt.gz,基于高通量测序的表达谱数据,聚焦胶质母细胞瘤(GBM)的空间转录组研究

基本信息
资源简介
GSE253080:利用空间转录组学解析胶质母细胞瘤异质且协调的组织结构
Decoding Heterogeneous and Coordinated Tissue Architecture in Glioblastoma Using Spatial Transcriptomics
该数据集来自 NCBI GEO(GSE253080),包含 1 个文件 GSE253080_series_matrix.txt.gz,基于高通量测序的表达谱数据,聚焦胶质母细胞瘤(GBM)的空间转录组研究。源站描述显示,研究利用临床 GBM 标本探索基因表达异质性,发现组织干细胞特征在坏死与瘤周区域之间富集,并与间充质亚型特征正相关,相关上调基因与 ECM-受体相互作用、蛋白聚糖及 VEGF、ANGPT 信号通路相关。数据可用于研究 GBM 空间异质性、组织架构及潜在信号通路(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 11 202。
【数据内容】
源站描述(机器翻译,仅供参考):多形性胶质母细胞瘤(GBM)是一种毁灭性的人类恶性肿瘤,以其侵袭性和对多种治疗干预的耐药性而闻名。尽管单细胞转录组研究已揭示广泛的瘤内异质性,但这种异质性的空间复杂性在很大程度上仍未知。本研究利用临床 GBM 标本,采用空间转录组技术探索基因表达异质性。我们的发现揭示了组织干细胞特征在坏死与瘤周区域之间的区域显著富集,并与间充质亚型特征呈正相关。此外,这些区域中的上调基因与 ECM-受体相互作用、蛋白聚糖以及 VEGF 和 ANGPT 信号通路相关。相比之下,与糖原代谢相关的特征基因和
【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=GSE253080
【使用注意】
· 源站最后修改于 Sep 03 202,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=GSE253080
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
多形性胶质母细胞瘤(GBM)是一种极具破坏性的人类恶性肿瘤,以其侵袭性强和对多种治疗干预的耐药性而著称。尽管单细胞转录组研究已揭示了广泛的瘤内异质性,但这种异质性的空间复杂性在很大程度上仍不清楚。本研究利用临床GBM标本,通过空间转录组技术探索基因表达异质性。我们的发现揭示了组织干细胞特征在坏死区与瘤周区域之间的区域显著富集,并与间充质亚型的特征呈正相关。此外,这些区域中上调的基因与ECM-受体相互作用、蛋白聚糖以及VEGF和ANGPT信号通路相关。相比之下,与糖原代谢和氧化磷酸化相关的特征基因在所有样本中均显著表达,与病理分区无关。值得注意的是,肌酸代谢在除血管富集区域外的多种细胞群中均显示富集。
这些空间分布图谱不仅可作为参考,还为未来对GBM进展进行功能和机制研究提供了深刻的指导。
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。




