IL-6介导胶质母细胞瘤微环境免疫抑制与治疗抵抗
该数据集包含人类和小鼠胶质母细胞瘤样本的质谱流式细胞术、单细胞分析、空间分析等多模态数据，记录了B细胞、T细胞、树突状细胞等多种免疫细胞频率，主要用于研究IL-6介导的肿瘤免疫微环境免疫抑制机制，探索通过中和IL-6或联合免疫检查点抑制剂与放疗来克服胶质母细胞瘤治疗抵抗的策略，为肿瘤免疫治疗提供实验依据。
基本信息
资源简介
IL-6介导胶质母细胞瘤微环境免疫抑制与治疗抵抗
【数据集背景】
本数据集源站标题为《IL-6 underlies microenvironment immunosuppression and resistance to therapy in glioblastoma》。
【数据内容】
源站原始描述：The glioblastoma tumor immune microenvironment (TIME) is an immunosuppressive barrier to therapy that encumbers glioblastoma responses to immune checkpoint inhibition (ICI). Immunosuppressive cytokines, pro-tumor macrophages and myeloid cells, and exhausted T-cells are hallmarks of the glioblastoma TIME. Here we integrate spatial and single-cell analyses of patient-matched human glioblastoma samples before and after ICI with genetic, immunologic, single-cell, and therapeutic studies in preclinic…
【主题与分类】
主题标签：IL-6、Mass cytometry、glioblastoma。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:42150119af7962d84d751b494c9eff92b0f25d65740ff03caf30fadd0dc322ff
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
该数据集聚焦于胶质母细胞瘤（glioblastoma）肿瘤免疫微环境（TIME）中免疫抑制机制与治疗抵抗的关系，特别是白细胞介素-6（IL-6）在其中的关键作用。数据集包含来自患者匹配的人类胶质母细胞瘤样本（免疫检查点抑制剂治疗前后）以及临床前小鼠模型（如GL261和SB28）的多种数据，具体包括质谱流式细胞术（mass cytometry）数据、单细胞分析数据、空间分析数据以及遗传和免疫学相关数据。数据文件（如Fig4c_d_tumor.csv）记录了不同细胞类型的频率信息，如B细胞、CD4+ T细胞、CD8+ T细胞、树突状细胞、γδ T细胞、小胶质细胞、单核/巨噬细胞等。该数据集旨在研究IL-6如何驱动免疫抑制微环境，以及通过中和IL-6或联合免疫治疗（如免疫检查点抑制剂和放疗）能否改善胶质母细胞瘤的治疗反应，为肿瘤免疫治疗研究提供重要资源。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
