跨年龄与部位的H3-K27M突变弥漫性中线胶质瘤单细胞多组学研究

该数据集来自omicsdi.org,为一项针对H3-K27M突变弥漫性中线胶质瘤(DMG)的单细胞多组学研究,覆盖儿童与成人患者及不同中线部位

omicsdi
浏览 2
基因组分类Genomics
Single cell multi-omic study of H3-K27M mutant diffuse midline glioma across age and location

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-24

资源简介

跨年龄与部位的H3-K27M突变弥漫性中线胶质瘤单细胞多组学研究

该数据集来自omicsdi.org,为一项针对H3-K27M突变弥漫性中线胶质瘤(DMG)的单细胞多组学研究,覆盖儿童与成人患者及不同中线部位。研究对50例H3-K27M突变患者肿瘤进行多组学分析,包括43例肿瘤的Smart-seq2新鲜单细胞(n=18)或冻存单核(n=25)RNA测序,以及8例肿瘤的单细胞/单核ATAC开放染色质图谱分析。数据可用于解析年龄和解剖部位如何塑造胶质瘤细胞内在与外在特征,支持肿瘤异质性、表观遗传调控及微环境相关研究(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):组蛋白3赖氨酸27至甲硫氨酸(H3-K27M)突变最常发生于儿童脑桥弥漫性中线胶质瘤(DMG),但在成人DMG中也日益被认识。其在不同年龄和中线部位的潜在异质性研究严重不足。在此,通过剖析一个全面的患者H3-K27M DMG队列的单细胞转录组、表观基因组和空间结构,我们阐明了在共享驱动突变背景下,年龄和解剖位置如何塑造胶质瘤细胞内在和外在特征。我们对50例H3-K27M突变患者肿瘤进行了多组学分析。我们对43例肿瘤进行了深度全长Smart-seq2新鲜单细胞(n=18)或冻存单核(n=25)RNA测序(sc/snRNA-seq)。我们还利用单细胞/单核转座酶可及染色质测定分析了8例肿瘤的开放染色质图谱。

【主题与分类】

主题标签:Genomics。本站分类:肿瘤/脑肿瘤。

【获取与许可】

源站页面:https://omicsdi.org/dataset/ega/EGAS00001006994

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/ega/EGAS00001006994

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

组蛋白3第27位赖氨酸到甲硫氨酸(H3-K27M)突变最常发生于儿童脑桥弥漫性中线胶质瘤(DMGs),但在成人DMGs中也日益被认识。其在不同年龄和解剖中线位置的潜在异质性研究极为不足。本研究通过剖析一个全面的H3-K27M DMG患者队列的单细胞转录组、表观基因组和空间结构,我们揭示了在共享驱动突变背景下,年龄和解剖位置如何塑造胶质瘤细胞内在和外在特征。我们对50例H3-K27M突变患者肿瘤进行了多组学分析。我们对43例肿瘤进行了深度全长Smart-seq2新鲜单细胞(n=18)或冷冻单核(n=25)RNA测序(sc/snRNA-seq)。此外,我们利用单细胞/核转座酶可及染色质测序(snATAC-seq)分析了8例肿瘤的开放染色质图谱。

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。

获取专属数据定制方案