与恶性胶质瘤进展相关的人类胶质瘤相关巨噬细胞功能亚群数据集
该数据集包含人类高级别胶质瘤中肿瘤相关巨噬细胞功能亚群的分子与细胞数据，主要涉及基因表达、细胞表面标记物、空间定位信息及突变特征等多模态数据，旨在解析与恶性胶质瘤进展密切相关的特定巨噬细胞亚群（mGAM）的生物学特性、功能及其在肿瘤微环境中的作用，为胶质瘤免疫治疗靶点的发现提供关键数据支持。
基本信息
资源简介
与恶性胶质瘤进展相关的人类胶质瘤相关巨噬细胞功能亚群数据集
【数据集背景】
本数据集源站标题为《A functional subpopulation of human glioma associated macrophages linked to malignant glioma progression》。源站首次发布：2024-08-27。
【数据内容】
源站原始描述：Malignant gliomas are aggressive brain cancers with poor prognosis. Pro-tumorigenic glioma associated macrophages (GAM) have been implicated in disease progression; however, identification of pathogenic functional subsets is lacking. Macrophage functional specification is driven by transcription factor-associated gene regulatory networks, yet the core regulatory transcription factors that govern GAM functions remain unclear. Here we apply gene regulatory network analyses to derive the imprint of…
【数据结构与技术规格】
文件数 8 个，合计 155.61 MB。数据集 DOI：10.17632/6fb6888f9m.4。
【获取与许可】
源站页面：https://data.mendeley.com/datasets/6fb6888f9m
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://data.mendeley.com/datasets/6fb6888f9m/4
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
该数据集聚焦于人类恶性胶质瘤（一种预后不良的侵袭性脑癌）中的肿瘤相关巨噬细胞（GAM）。研究通过基因调控网络分析，揭示了肿瘤微环境对GAM转录程序的塑造，并识别出可用于前瞻性分离的功能性亚群——恶性相关GAM（mGAM）。该亚群定位于缺氧代谢生态位，具有多种促肿瘤功能，且可能与低级别向高级别胶质瘤的进展相关。数据还显示mGAM与单核细胞共享线粒体体细胞突变，提示其共同的骨髓起源。数据集包含与GAM功能分型、细胞表面标记物、空间定位及突变特征相关的分子与细胞数据，主要应用于胶质瘤免疫微环境研究、肿瘤相关巨噬细胞功能解析及潜在治疗靶点探索。
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。
