MRI定位活检揭示胶质母细胞瘤边缘分子与细胞组成的亚型特异性差异
该数据集来自胶质瘤手术切除过程中经影像定位的活检样本，涵盖肿瘤核心与边缘区域，并包含非肿瘤性脑组织对照。数据通过RNA-Seq比较胶质瘤不同地理区域的表达模式，并利用计算去卷积估计不同疾病亚型中细胞类型特异性表达
基本信息
资源简介
MRI定位活检揭示胶质母细胞瘤边缘分子与细胞组成的亚型特异性差异
该数据集聚焦于胶质母细胞瘤边缘区域的分子与细胞组成差异，来源于胶质瘤手术切除过程中经影像定位获取的活检样本。研究同时采集了肿瘤核心与边缘区域的组织，并纳入非肿瘤性脑组织作为对照，通过RNA-Seq技术比较胶质瘤不同地理区域的基因表达模式，并借助计算去卷积方法估计不同疾病亚型中细胞类型特异性的表达特征。数据集涵盖39例对比增强的胶质瘤核心样本、36例非增强FLAIR胶质瘤边缘样本以及17例非肿瘤性脑组织样本，主题标签为转录组学，本站分类归入肿瘤/脑肿瘤方向，来源站为omicsdi.org。
【数据集背景】
胶质瘤是中枢神经系统常见的肿瘤类型，其肿瘤核心与边缘区域在影像学上表现出不同的特征。对比增强区域通常对应肿瘤核心，而非增强的FLAIR异常区域则对应肿瘤边缘。理解这两个区域在分子和细胞层面的差异，对于认识胶质瘤的生物学行为具有重要意义。该数据集正是基于这一背景，通过在手术切除过程中获取经影像定位的活检样本，对胶质瘤不同地理区域进行转录组层面的比较分析，同时引入非肿瘤性脑组织作为参照，以区分肿瘤特异性变化与一般性脑组织特征。
【数据内容】
数据集的核心内容为RNA-Seq表达数据，覆盖三类样本：39例对比增强的胶质瘤核心样本、36例非增强FLAIR胶质瘤边缘样本，以及17例非肿瘤性脑组织样本。这些样本来自多名胶质瘤患者，以及因缓解癫痫症状或放置分流管治疗正常压力脑积水而接受手术的患者。基于这些表达数据，研究进一步采用计算去卷积方法，估计不同疾病亚型中细胞类型特异性的表达模式，从而在细胞组成层面解析肿瘤核心与边缘的差异。
【采集与来源】
样本采集于胶质瘤切除手术过程中，活检位置经影像学定位，以分别获取肿瘤核心和边缘区域的组织。非肿瘤性脑组织标本来自接受缓解癫痫症状手术或放置分流管治疗正常压力脑积水手术的患者。所有样本随后通过RNA-Seq进行表达谱分析。数据来源站为omicsdi.org。
【适用场景】
该数据集适用于胶质瘤转录组学相关研究，尤其是关注肿瘤核心与边缘区域分子差异的分析。可用于比较不同地理区域的基因表达模式，探索胶质瘤亚型间细胞类型特异性表达的差异，也可作为非肿瘤性脑组织对照用于区分肿瘤相关变化。此外，该数据还可支持计算去卷积方法的应用与验证，帮助估计组织样本中的细胞类型组成。
【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-59612
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
我们在胶质瘤切除手术中获取了影像学定位的活检样本，以从多位胶质瘤患者中采集肿瘤核心和边缘区域。我们还从多位接受癫痫症状缓解手术或为治疗正常压力脑积水而放置分流管的患者中获取了新鲜的非肿瘤脑组织标本。随后，我们使用RNA-Seq比较胶质瘤不同地理区域的表达模式，并运用计算去卷积来估计不同疾病亚型中细胞类型特异性的表达模式。对39份对比增强的胶质瘤核心样本、36份非增强FLAIR胶质瘤边缘样本和17份非肿瘤脑组织样本进行了RNA-Seq分析。
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。
