原发与配对异步转移性透明细胞肾细胞癌的分子谱分析
该数据集来自 NCBI GEO(GSE278174),包含 1 个文件,为高通量测序表达谱数据,物种为人类(9606),平台为 GPL16791

基本信息
资源简介
原发与配对异步转移性透明细胞肾细胞癌的分子谱分析
Molecular Profiling Reveals Immunosuppressive Tumor Immune Microenvironment in Primary versus Paired Asynchronous Metastatic Clear Cell Renal Cell Carcinoma
该数据集来自 NCBI GEO(GSE278174),包含 1 个文件,为高通量测序表达谱数据,物种为人类(9606),平台为 GPL16791。研究聚焦透明细胞肾细胞癌(ccRCC),比较原发肿瘤与配对异步转移灶的肿瘤免疫微环境(TIME),发现原发灶中免疫抑制细胞浸润高于转移灶。数据可用于探索 ccRCC 进展中的免疫异质性、免疫逃逸机制及免疫治疗反应相关研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):透明细胞肾细胞癌(ccRCC)是一种高度免疫浸润的癌症,但肿瘤免疫微环境(TIME)在疾病进展过程中如何演变尚不清楚。对原发 ccRCC 内异质性的认识引发了对原发与配对转移肿瘤之间潜在异质性的疑问。这些信息可能有助于理解导致转移性疾病的免疫逃逸及对免疫治疗的反应。在本研究中,我们表征并比较了原发 ccRCC 与配对异步转移灶的 TIME。我们证明,与转移部位相比,原发 ccRCC 的 TIME 中免疫抑制细胞浸润更高。需要进一步研究以确定这些发现的预后和治疗意义。理解 RCC 中肿瘤免疫微环境的异质性,无论是在瘤内还是在转移部位之间,
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL16791、9606。本站分类:肿瘤/肾癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE278174
【使用注意】
· 源站最后修改于 Mar 02 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE278174
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
透明细胞肾细胞癌(ccRCC)是一种高度免疫浸润的癌症,但肿瘤免疫微环境(TIME)在疾病进展过程中如何演变尚不清楚。对原发ccRCC内部异质性的认识引发了对原发肿瘤与配对转移肿瘤之间潜在异质性的疑问。这些信息可能有助于加深对导致转移性疾病的免疫逃逸及免疫治疗反应的理解。在本研究中,我们对原发ccRCC与配对非同步转移灶的TIME进行了表征和比较。我们证明,与转移部位相比,原发ccRCC的TIME中免疫抑制细胞的浸润更高。需要进一步研究以确定这些发现的预后和治疗意义。了解RCC中肿瘤免疫微环境的异质性——无论是瘤内还是转移部位之间——对于选择合适的治疗方法和开发预测性生物标志物具有重要的临床意义。未来的研究应着重阐明这些发现对ccRCC免疫治疗反应和患者结局的影响。
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。




