癌症干细胞通过细胞外囊泡介导的非经典信号通路协同免疫逃逸
该数据集聚焦肿瘤内癌症干细胞(CSCs)逃逸宿主免疫监视的分子机制,以三阴性乳腺癌(TNBC)为模型,利用高维流式细胞术在单细胞分辨率下同时检测50种肿瘤微环境相关蛋白,包括CSC标志物TSPAN8和CD44,覆盖161例未经治疗的TNBC标本,并按CSC高低分层

基本信息
资源简介
癌症干细胞通过细胞外囊泡介导的非经典信号通路协同免疫逃逸
Cancer stem cells orchestrate immune evasion through extracellular vesicle-mediated non-canonical signaling pathways
该数据集聚焦肿瘤内癌症干细胞(CSCs)逃逸宿主免疫监视的分子机制,以三阴性乳腺癌(TNBC)为模型,利用高维流式细胞术在单细胞分辨率下同时检测50种肿瘤微环境相关蛋白,包括CSC标志物TSPAN8和CD44,覆盖161例未经治疗的TNBC标本,并按CSC高低分层。数据可用于研究CSCs与肿瘤微环境双向互作、免疫逃逸可塑性及TNBC免疫代谢空间图谱(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤内的癌症干细胞(CSCs)具有显著逃避免疫监视的能力,从而逃避宿主免疫系统的清除,但这种免疫逃逸可塑性的分子机制仍不完全清楚。与其他乳腺癌亚型相比,三阴性乳腺癌(TNBC)尤其富含具有基底样分子特征的CSCs,其特征是干性指数升高,使其成为研究CSCs-TME双向互作的理想模型。在此,我们利用高维流式细胞术绘制了TNBC的空间免疫代谢图谱,在单细胞分辨率下同时检测50种TME相关蛋白,包括CSC标志物四跨膜蛋白-8(TSPAN8)和CD44。共分析了161例未经治疗的TNBC标本,将其分层为CSC高(CSCHi)和CSC低(CSCLo)队列
【主题与分类】
主题标签:Breast cancer、Tumor stem cells、Immune evasion。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.05qfttfhx
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.05qfttfhx
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 202.8 MB。
数据说明
肿瘤内的癌症干细胞(CSCs)展现出显著的逃避免疫监视的能力,从而逃避宿主免疫系统的清除,然而这种免疫逃逸可塑性的分子机制仍未完全阐明。与其他乳腺癌亚型相比,三阴性乳腺癌(TNBC)尤其富集具有基底样分子特征的CSCs,其特征为干性指数升高,使其成为研究CSCs与TME双向交互作用的理想模型。在此,我们利用高维流式细胞术绘制了TNBC的空间免疫代谢图谱,在单细胞分辨率下同时检测50种TME相关蛋白,包括CSC标志物四跨膜蛋白-8(TSPAN8)和CD44。共分析了161例未经治疗的TNBC标本,根据TSPAN8和CD44蛋白表达阈值将其分为CSC高表达(CSCHi)和CSC低表达(CSCLo)队列。干性指数升高的TNBC驱动效应T细胞向调节性T细胞(Treg)的表型转化,从而建立免疫抑制微环境。
使用抗TSPAN8单克隆抗体阻断EV相关的TSPAN8,与PD-1检查点抑制产生协同作用,为同时靶向CSC可塑性和免疫检查点通路提供了临床前验证。如图1B、2B和2G所示,在BD FACSymphony流式细胞术系统上进行的高维单细胞蛋白质组学分析的原始数据和处理后数据已完成存储。
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。




