成人和儿童胶质母细胞瘤单细胞RNA测序数据集
Broad Single Cell Portal中的成人和儿童胶质母细胞瘤单细胞RNA测序数据，适合细胞亚群和肿瘤异质性分析。由Broad Institute提供，数据格式为表格，包含24131条数据记录，适用于分类任务。
基本信息
资源简介
成人和儿童胶质母细胞瘤单细胞RNA测序数据集
【一句话概览】
一项针对28个成人和儿童胶质母细胞瘤的研究，结合单细胞RNA测序、TCGA 401例样本的遗传与表达分析、功能研究及单细胞谱系追踪，构建了该肿瘤细胞状态与遗传多样性的统一模型。研究发现，胶质母细胞瘤中的恶性细胞存在四种主要细胞状态，分别重现不同的神经细胞类型，受肿瘤微环境影响，并表现出可塑性（来源 singlecell.broadinstitute.org）。
【数据集背景】
本数据集源站标题为《Single cell RNA-seq of adult and pediatric glioblastoma》。
【数据内容】
源站原始描述：Diverse genetic, epigenetic, and developmental programs drive glioblastoma, an incurable and poorly understood tumor, but their precise characterization remains challenging. Here, we use an integrative approach spanning single-cell RNA-sequencing of 28 tumors, bulk genetic and expression analysis of 401 specimens from the The Cancer Genome Atlas (TCGA), functional approaches, and single-cell lineage tracing to derive a unified model of cellular states and genetic diversity in glioblastoma. We fi…
中文译文（机器翻译，仅供快速理解，请以原文为准）：多种遗传、表观遗传及发育程序驱动着胶质母细胞瘤——一种无法治愈且了解甚少的肿瘤，但其精确特征描述仍面临挑战。在此，我们采用了一种综合方法，包括对28个肿瘤进行单细胞RNA测序、对来自癌症基因组图谱（TCGA）的401个样本进行 bulk 遗传和表达分析、功能研究以及单细胞谱系追踪，以构建胶质母细胞瘤细胞状态和遗传多样性的统一模型。我们发现，胶质母细胞瘤中的恶性细胞存在于四种主要细胞状态中，这些状态重现了不同的神经细胞类型，受到肿瘤微环境的影响，并展现出可塑性。
【主题与分类】
主题标签：glioblastoma、single-cell RNA-seq、adult、pediatric、brain tumor、cellular states、plasticity、genetics。
【适用方向】
结构化表格数据可直接用于统计建模、特征工程与队列分析。
【获取与许可】
源站页面：https://singlecell.broadinstitute.org/single_cell/study/SCP393/single-cell-rna-seq-of-adult-and-pediatric-glioblastoma
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
Broad Single Cell Portal中的成人和儿童胶质母细胞瘤单细胞RNA测序数据，适合细胞亚群和肿瘤异质性分析。
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。
