基于单细胞RNA测序和免疫组库测序的戒烟对小鼠肺结节癌前病变细胞微环境及差异表达基因的调控作用
该数据集来自 NCBI GEO（GSE296378），围绕戒烟对小鼠肺结节癌前病变的调控作用展开。研究采用 6 周苯并[a]芘暴露建立吸烟诱导的小鼠肺脏癌前病变模型，通过 micro-MRI 成像及 H&E 染色和荧光显微镜进行组织病理学评估确认肺结节，并在病变确认后实施 4 周和 8 周戒烟干预
基本信息
资源简介
基于单细胞RNA测序和免疫组库测序的戒烟对小鼠肺结节癌前病变细胞微环境及差异表达基因的调控作用
Regulatory Effects of Smoking Cessation on the Cellular Microenvironment and Differentially Expressed Genes in Precancerous Lesions of Pulmonary Nodules in Mice based on Single-Cell RNA-Sequencing and Immune Repertoire-Sequencing
该数据集来自 NCBI GEO（GSE296378），围绕戒烟对小鼠肺结节癌前病变的调控作用展开。研究采用 6 周苯并[a]芘暴露建立吸烟诱导的小鼠肺脏癌前病变模型，通过 micro-MRI 成像及 H&E 染色和荧光显微镜进行组织病理学评估确认肺结节，并在病变确认后实施 4 周和 8 周戒烟干预。数据包含单细胞 RNA 测序和免疫组库测序，可用于分析免疫细胞组成、细胞间通讯通路及受体多样性，为探究戒烟在早期肺癌前病变中的细胞与分子变化提供框架（来源 NCBI）。
【数据集背景】
源站首次发布：May 05 202。
【数据内容】
源站描述（机器翻译，仅供参考）：已知戒烟可减少肺癌进展，但其对癌前病变的影响在很大程度上仍未得到探索。在本研究中，使用 6 周苯并[a]芘（B[a]P）暴露建立了吸烟诱导的小鼠肺脏癌前病变模型。通过 micro-MRI 成像以及 H&E 染色和荧光显微镜的组织病理学评估来识别肺结节。在病变确认后实施 4 周和 8 周的戒烟干预。使用 Generic Medical Imaging 软件对结节大小进行量化。进行单细胞 RNA 测序（scRNA-seq）和免疫组库测序（IR-seq）以分析免疫细胞组成、细胞间通讯通路和受体多样性。这些方法为研究戒烟在 ea 中相关的细胞和分子变化提供了全面的框架。
【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：GPL24247、10090。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=GSE296378
【使用注意】
· 源站最后修改于 Sep 10 202，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=GSE296378
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
已知戒烟可减缓肺癌进展，但其对癌前病变的影响在很大程度上仍未被探索。本研究采用6周苯并[a]芘（B[a]P）暴露建立吸烟诱导的小鼠肺部癌前病变模型。通过微型MRI成像以及H&E染色和荧光显微镜的组织病理学评估来识别肺部结节。在确认病变后，实施为期4周和8周的戒烟干预。使用Generic Medical Imaging软件对结节大小进行定量分析。进行单细胞RNA测序（scRNA-seq）和免疫组库测序（IR-seq），以分析免疫细胞组成、细胞间通讯通路和受体多样性。这些方法为研究戒烟在早期肺部病变发展过程中相关的细胞和分子变化提供了一个全面的框架。
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。
需要用于商业化训练或医疗器械注册（NMPA/FDA）？
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络，提供合规、去标识化、支持注册级质控的专病数据集交易服务。
