BrO、DMGO与GD2 CAR T细胞的转录组图谱:处理后数据集-97614
该数据集为BrO、DMGO与GD2 CAR T细胞的转录组处理后数据,来源于Zenodo,属于肿瘤/脑肿瘤分类。研究基于FGF4驱动的人脑干类器官模型,通过基因工程构建de novo H3.3K27M改变的DMG,发现脑干-脑桥胶质细胞特化对DMG肿瘤发生至关重要,可产生浸润性肿瘤并重现患者特异性分

基本信息
资源简介
BrO、DMGO与GD2 CAR T细胞的转录组图谱:处理后数据集
Transcriptomic profiling of BrO, DMGO and GD2 CAR T cells: Processed datasets
该数据集为BrO、DMGO与GD2 CAR T细胞的转录组处理后数据,来源于Zenodo,属于肿瘤/脑肿瘤分类。研究基于FGF4驱动的人脑干类器官模型,通过基因工程构建de novo H3.3K27M改变的DMG,发现脑干-脑桥胶质细胞特化对DMG肿瘤发生至关重要,可产生浸润性肿瘤并重现患者特异性分子异质性。长期GD2 CAR T细胞治疗可模拟临床结局差异,揭示广泛的转录异质性,并识别有效效应细胞与功能失调细胞群。该数据可用于研究DMG肿瘤发生机制、CAR T细胞疗效与功能状态(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。
【数据集背景】
源站首次发布:2025。
【数据内容】
源站描述(机器翻译,仅供参考):弥漫性中线胶质瘤(DMG)是一种罕见但高度侵袭性的儿童癌症,主要发生在脑干脑桥区域,因此需要开发能代表患者的模型以推进治疗。在此,我们开发了一种FGF4驱动的人脑干类器官模型。通过对de novo H3.3K27M改变的DMG进行基因工程改造,我们证明脑干-脑桥胶质细胞特化对DMG肿瘤发生至关重要,可产生重现患者特异性分子异质性的浸润性肿瘤。长期GD2 CAR T细胞治疗模拟了临床结局的变异性,揭示了广泛的转录异质性,并使得能够识别出强效效应细胞群和功能失调细胞群。此外,加入脑驻留髓系细胞后产生了DMG特异性小胶质细胞,其降低了GD2 CAR T细胞的疗效,并揭示了功能状态最
【主题与分类】
主题标签:Organoids、Organoids/growth & development、Glioma、Glioma/immunology。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://zenodo.org/doi/10.5281/zenodo.15356013
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.5281/zenodo.15356013
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:
数据集大小约 8.01 GB。
数据说明
弥漫性中线胶质瘤(DMG)是一种罕见但高度侵袭性的儿童癌症,主要发生于脑干的脑桥区域,因此亟需开发能够代表患者的模型以推动治疗进展。在此,我们开发了一种由FGF4驱动的人脑干类器官模型。通过对新发H3.3K27M突变的DMG进行基因工程改造,我们证明脑干-脑桥胶质细胞特化对DMG肿瘤发生至关重要,由此产生的浸润性肿瘤重现了患者特有的分子异质性。延长GD2 CAR T细胞治疗反映了临床结局的变异性,揭示了广泛的转录异质性,并使得能够识别出强效效应细胞群和功能失调细胞群。此外,引入脑驻留髓系细胞产生了DMG特异性小胶质细胞,其降低了GD2 CAR T细胞的疗效,并揭示了最易受小胶质细胞介导免疫抑制影响的功能状态。因此,我们提出了一种新型人类DMG模型,可在体外提供长达数月的实验窗口,我们利用该模型阐明了CAR T细胞功能及小胶质细胞的影响,有助于推动针对这一毁灭性疾病的治疗开发。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




