脊索瘤细胞异质性的形态学、基因组与转录组特征
该数据集来自 ebi.ac.uk，聚焦脊索瘤细胞异质性，属于肿瘤 / 脊索瘤分类。源站描述指出，经典骶尾部脊索瘤呈现分叶状黏液样肿瘤组织，肿瘤细胞呈索、链和巢状分布，包括小型非空泡细胞、中等空泡化细胞及重度空泡化（physaliferous）大细胞
基本信息
资源简介
脊索瘤细胞异质性的形态学、基因组与转录组特征
Morphological, genomic, and transcriptomic characterization of heterogeneity in chordoma cells
该数据集来自 ebi.ac.uk，聚焦脊索瘤细胞异质性，属于肿瘤 / 脊索瘤分类。源站描述指出，经典骶尾部脊索瘤呈现分叶状黏液样肿瘤组织，肿瘤细胞呈索、链和巢状分布，包括小型非空泡细胞、中等空泡化细胞及重度空泡化（physaliferous）大细胞。由于发病率低、缺乏合适模型系统及技术限制，既往分析仅针对整体肿瘤块，忽略其异质性组成。研究旨在从基因组和转录组层面阐明小型非空泡细胞与大型 physaliferous 细胞之间的差异，并明确这些细胞类型是源自遗传学上不同的克隆，还是代表不同表型。研究使用脊索瘤细胞系 MUG-Chor1，通过延时实验监测形态变化，并分离纯化组分（来源 BioStudies）。
【数据内容】
源站描述（机器翻译，仅供参考）：经典骶尾部脊索瘤肿瘤呈现典型形态，为分叶状黏液样肿瘤组织，伴有肿瘤细胞的索、链和巢，这些细胞由小型非空泡细胞、具有广泛空泡化范围的中等细胞以及重度空泡化（physaliferous）大细胞组成。由于其发病率罕见、缺乏合适的模型系统以及技术限制，分析仅针对整体肿瘤块进行，忽略了其异质性组成。我们旨在从基因组和转录组层面阐明小型非空泡细胞与大型 physaliferous 细胞之间的差异。其次，我们打算澄清所观察到的细胞类型是源自遗传学上不同的克隆，还是代表不同的表型。使用脊索瘤细胞系 MUG-Chor1，我们通过延时实验监测形态变化。我们分离了纯组分
【主题与分类】
主题标签：transcription profiling by array、Homo sapiens。本站分类：肿瘤/脊索瘤。
【获取与许可】
源站页面：https://ebi.ac.uk/biostudies/arrayexpress/studies/E-GEOD-48779
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://ebi.ac.uk/biostudies/arrayexpress/studies/E-GEOD-48779
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
Karin Wagner; Amin El-Heliebi; Thomas Kroneis; Dagmar Kolb-Lenz; Julia Feichtinger; Gerhard Thallinger; Franz Quehenberger; Bernadette Liegl-Atzwanger; Beate Rinner (2013). Morphological, genomic, and transcriptomic characterization of heterogeneity in chordoma cells [Dataset]. https://www.ebi.ac.uk/biostudies/arrayexpress/studies/E-GEOD-48779
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。
