单细胞图谱鉴定健康与恶性乳腺中的脂质加工和免疫调节内皮细胞
该数据集来自NCBI GEO,包含9位乳腺癌患者的26,515个细胞(其中8,433个内皮细胞)的单细胞RNA测序数据,并与已发表的肺癌内皮细胞分类进行比较

基本信息
资源简介
单细胞图谱鉴定健康与恶性乳腺中的脂质加工和免疫调节内皮细胞
Single cell atlas identifies lipid-processing and immunomodulatory endothelial cells in healthy and malignant breast
该数据集来自NCBI GEO,包含9位乳腺癌患者的26,515个细胞(其中8,433个内皮细胞)的单细胞RNA测序数据,并与已发表的肺癌内皮细胞分类进行比较。研究揭示了血管生成内皮细胞表型相似而其他亚型不同,预测互作组分析发现内皮细胞与免疫细胞间已知及新受体-配体互作,并鉴定出受PPAR-gamma调控的毛细血管内皮亚型LIPEC,其在瘤周乳腺组织中更丰富。回顾性分析4,648例患者显示二甲双胍具有持久临床获益。数据可用于内皮细胞异质性分类、免疫互作预测及脂质代谢研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 24 202。
【数据内容】
源站描述(机器翻译,仅供参考):由于缺乏对乳腺癌(BC)中内皮细胞(EC)异质性的详细清单,我们对来自9名BC患者的26,515个细胞(包括8,433个EC)进行了单细胞RNA测序,并将其与已发表的肺癌肿瘤EC分类进行比较。血管生成EC表型相似,而其他EC亚型则不同。预测性互作组分析揭示了EC与免疫细胞之间已知但此前未报道的受体-配体相互作用,提示乳腺EC亚型参与免疫反应。我们还鉴定出一种毛细血管EC亚型(LIPEC(脂质加工EC)),其表达受PPAR-gamma调控的参与脂质加工的基因,并且在瘤周乳腺组织中更为丰富。对4,648名BC患者的回顾性分析显示,二甲双胍(一种间接PPAR-gamma激动剂)治疗可提供持久的临床获益。
【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:GPL20301、9606。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE155109
【使用注意】
· 源站最后修改于 Oct 04 202,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=GSE155109
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
由于缺乏对乳腺癌(BC)中内皮细胞(EC)异质性的详细目录,我们对来自9名BC患者的26,515个细胞(包括8,433个ECs)进行了单细胞RNA测序,并将其与已发表的肺癌EC分类进行了比较。血管生成性ECs在表型上相似,而其他EC亚型则不同。预测性相互作用组分析揭示了ECs与免疫细胞之间已知但此前未报道的受体-配体相互作用,提示乳腺EC亚型参与免疫反应。我们还发现了一种毛细血管EC亚型(LIPEC(脂质处理EC)),其表达受PPAR-γ调控的参与脂质处理的基因,并且在肿瘤周围乳腺组织中更为丰富。对4,648名BC患者的回顾性分析显示,二甲双胍(一种间接PPAR-γ激动剂)治疗提供了持久的临床益处,并与LIPEC丰度呈正相关。我们的发现值得进一步探索这种LIPEC/PPAR-γ联系在BC治疗中的作用。
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。




