空间分辨多组学解析胶质母细胞瘤中双向肿瘤-宿主相互依赖
该数据集来自 search.dataone.org,聚焦胶质母细胞瘤的空间多组学研究。源站描述显示,研究通过空间分辨转录组学、代谢组学和蛋白质组学对胶质母细胞瘤进行深入刻画,揭示患者间区域共享的转录程序,推断肿瘤按谱系状态空间分离组织,并对炎症和/或代谢刺激产生适应

基本信息
资源简介
空间分辨多组学解析胶质母细胞瘤中双向肿瘤-宿主相互依赖
Spatially resolved multi-omics deciphers bidirectional tumor-host interdependence in glioblastoma
该数据集来自 search.dataone.org,聚焦胶质母细胞瘤的空间多组学研究。源站描述显示,研究通过空间分辨转录组学、代谢组学和蛋白质组学对胶质母细胞瘤进行深入刻画,揭示患者间区域共享的转录程序,推断肿瘤按谱系状态空间分离组织,并对炎症和/或代谢刺激产生适应。整合代谢成像与成像质谱流式还发现局部区域性的肿瘤-宿主相互依赖,形成空间上互斥的适应性转录程序。数据可用于肿瘤异质性、微环境互作及空间多组学整合分析等研究(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):胶质母细胞瘤是中枢神经系统的恶性肿瘤,其特征是在发育层级中具有亚克隆多样性和动态适应(Couturier et al., 2020; Neftel et al., 2019; Richards et al., 2021)。这些肿瘤空间背景下动态重组的来源仍然难以捉摸。在这里,我们通过空间分辨转录组学、代谢组学和蛋白质组学对胶质母细胞瘤进行了深入表征。通过解读患者间区域共享的转录程序,我们推断胶质母细胞瘤通过谱系状态的空间分离来组织,并适应炎症和/或代谢刺激,类似于成熟星形胶质细胞中的反应性转化。代谢成像和成像质谱流式的整合揭示了局部区域性的肿瘤-宿主相互依赖,导致空间上互斥的适应性转录程序。推断
【主题与分类】
主题标签:glioblastoma、Spatial transcriptomics、Tumor Models、single cell、MALDI TOF MS、Tumor microenvironment、Proteomics。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3Ab8c1a3e0ffee897a3af9d6ae768b401e2c3db159b6b5eba4ba6ac41aa42789a3
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
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
胶质母细胞瘤是中枢神经系统的恶性肿瘤,其特征是在发育层级中呈现亚克隆多样性和动态适应(Couturier等,2020;Neftel等,2019;Richards等,2021)。这些肿瘤空间背景下动态重组的来源仍不清楚。在此,我们通过空间分辨转录组学、代谢组学和蛋白质组学对胶质母细胞瘤进行了深入表征。通过解析患者间区域共享的转录程序,我们推断胶质母细胞瘤通过谱系状态的空间隔离进行组织,并适应炎症和/或代谢刺激,类似于成熟星形胶质细胞中的反应性转化。代谢成像和成像质谱流式细胞术的整合揭示了局部区域肿瘤-宿主相互依赖,导致空间上互斥的适应性转录程序。
推断拷贝数变异强调与再…相关的亚克隆的空间连贯组织,数据集使用以下方法收集:1) 10X Visium空间基因表达试剂盒:并且所有组织优化和文库制备的说明均按照制造商方案遵循。数据由10X提供的cell ranger流程进行分析和质量控制。为进一步分析,我们开发了一个空间数据分析框架。cell ranger输出可以通过直接导入函数(SPATA:: initiateSpataObject_10X)导入SPATA,或者使用计数矩阵和条形码坐标矩阵以及H&E染色手动导入。2) MALDI-FTICR-MSI:MALDI成像质谱(MALDI-MSI)分析的组织制备步骤如前所述进行(Aichler et al., 2017; Sun et al., 2018)。我们使用cardinal包中的readImzML函数将文件导入R(Bemis et al., 2015)。我们将每个肿瘤的像素数据矩阵重塑为强度矩阵和坐标矩阵。我们过滤…,# S
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。




