小鼠胶质瘤恶性进展中免疫抑制性髓系细胞多样性的单细胞RNA测序
该数据集来自NCBI,包含一项针对小鼠胶质瘤模型的单细胞RNA测序研究,聚焦于低级别胶质瘤向高级别胶质瘤恶性进展过程中免疫微环境的变化

基本信息
资源简介
小鼠胶质瘤恶性进展中免疫抑制性髓系细胞多样性的单细胞RNA测序
该数据集来自NCBI,包含一项针对小鼠胶质瘤模型的单细胞RNA测序研究,聚焦于低级别胶质瘤向高级别胶质瘤恶性进展过程中免疫微环境的变化。研究使用PDGF驱动的RCAS胶质瘤模型,该模型可重现人类低级别向高级别胶质瘤的恶性进展,并支持免疫细胞运输与演化的表征。数据覆盖免疫细胞的单细胞转录组,可用于分析免疫抑制性髓系细胞的多样性、免疫细胞景观的动态变化,以及肿瘤微环境在胶质瘤恶性进展中的作用(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):低级别胶质瘤(LGG)约占青少年和年轻成人(AYA)所有胶质瘤诊断的三分之二,这些患者的恶性进展导致不良结局。近期研究表明动态肿瘤微环境在高级别胶质瘤(HGG)中的重要性,但其在低级别胶质瘤恶性进展中的作用仍知之甚少。在此,我们使用血小板衍生生长因子(PDGF)驱动的RCAS(具有剪接受体的复制 competent ASLV 长末端重复序列)胶质瘤模型研究了免疫微环境的异质性,该模型重现了人类低级别向高级别胶质瘤的恶性进展,并提供了表征免疫细胞运输和演化的模型系统。为了阐明肿瘤进展过程中免疫细胞景观的变化,我们对分离的免疫细胞进行了单细胞RNA测序
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA914305
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/bioproject/PRJNA914305
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
低级别胶质瘤(LGG)约占青少年和年轻人(AYA)中所有胶质瘤诊断的三分之二,这些患者的恶性进展会导致不良预后。近期研究表明,高级别胶质瘤(HGG)中动态肿瘤微环境的重要性,但其在低级别胶质瘤恶性进展中的作用仍知之甚少。在此,我们利用一种由血小板衍生生长因子(PDGF)驱动的RCAS(具有剪接受体的复制 competent ASLV 长末端重复序列)胶质瘤模型,研究了免疫微环境的异质性,该模型重现了人类低级别向高级别胶质瘤的恶性进展,并提供了一个表征免疫细胞运输和演化的模型系统。为了阐明肿瘤进展过程中免疫细胞景观的变化,我们对从无肿瘤(NT)、LGG和HGG动物中分离出的免疫细胞进行了单细胞RNA测序,特别关注了已知介导胶质瘤免疫抑制的髓系细胞区室。
低级别胶质瘤(LGGs)在肿瘤微环境中显示出显著增加的浸润性T细胞、CD4 T细胞、CD8 T细胞、B细胞和自然杀伤细胞,而高级别胶质瘤(HGGs)则显著抑制了这种浸润。我们的研究在肿瘤微环境中鉴定出两个不同的巨噬细胞簇;其中一个簇似乎来源于骨髓,而另一个簇则以Trem2的过表达为特征,Trem2是髓系细胞亚群中已知的抗肿瘤免疫标志物。我们的数据表明,这两个不同的巨噬细胞簇在LGG中表现出免疫激活表型(Stat1、Tnf、Cxcl9和Cxcl10),而在HGG中演变为免疫抑制状态(Lgals3、Apoc1和Id2),从而限制了T细胞的募集和激活。我们确定CD74和巨噬细胞迁移抑制因子(MIF)是这些不同巨噬细胞群体的潜在靶点。有趣的是,我们对TCGA数据集的分析也反映了这些结果。
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。




