人类癌症先天免疫细胞克隆谱系追踪
该数据集来自NCBI GEO,标题为人类癌症先天免疫细胞克隆谱系追踪,属于肿瘤/肺癌分类。数据基于单细胞转座酶可及性染色质与线粒体DNA联合测序,覆盖早期非小细胞肺癌患者的肿瘤、非累及肺组织及外周血,以及卵巢癌患者的肿瘤与外周血样本

基本信息
资源简介
人类癌症先天免疫细胞克隆谱系追踪
Clonal lineage tracing of innate immune cells in human cancer
该数据集来自NCBI GEO,标题为人类癌症先天免疫细胞克隆谱系追踪,属于肿瘤/肺癌分类。数据基于单细胞转座酶可及性染色质与线粒体DNA联合测序,覆盖早期非小细胞肺癌患者的肿瘤、非累及肺组织及外周血,以及卵巢癌患者的肿瘤与外周血样本。可用于研究先天免疫细胞在肿瘤微环境中的克隆动态与谱系关系,支持免疫治疗相关分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):先天免疫细胞构成肿瘤微环境(TME)的大部分,它们介导天然抗肿瘤免疫和免疫治疗反应。虽然单细胞T细胞和B细胞受体测序为人类适应性免疫的克隆动力学提供了基础性见解,但缺乏合适的工具阻碍了对先天免疫细胞的类似分析。在这里,我们开发了一种利用体细胞线粒体DNA(mtDNA)突变来重建跨原生人类组织的单细胞间克隆谱系关系的方法。我们联合测序了单细胞转座酶可及性染色质和mtDNA,分析了来自早期非小细胞肺癌(NSCLC)患者匹配的肿瘤、非累及肺组织(NILT)及外周血的124,958个细胞,以及来自卵巢癌患者匹配的肿瘤和外周血的93,757个细胞。我们的单
【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:GPL24676、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=GSE302113
【使用注意】
· 源站最后修改于 Jul 23 202,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=GSE302113
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
先天免疫细胞构成肿瘤微环境(TME)的主要部分,在其中介导天然抗肿瘤免疫和免疫治疗反应。尽管单细胞T细胞和B细胞受体测序为人类适应性免疫的克隆动力学提供了基础性见解,但缺乏合适的工具阻碍了对先天免疫细胞进行类似分析。在此,我们开发了一种利用体细胞线粒体DNA(mtDNA)突变来重建天然人体组织中单细胞间克隆谱系关系的方法。我们联合测序了单细胞转座酶可及染色质和mtDNA,对来自早期非小细胞肺癌(NSCLC)患者匹配的肿瘤、非累及肺组织(NILT)及外周血的124,958个细胞,以及来自卵巢癌患者匹配的肿瘤和外周血的93,757个细胞进行了分析。我们对数千个免疫细胞的谱系和细胞状态进行的单细胞同步分析,解析了跨细胞类型、组织部位和恶性肿瘤的克隆性。
通过解析先天免疫亚型中的克隆群体,我们证明TME驻留的髓系亚群(包括巨噬细胞和3型树突状细胞(DC3))与循环和组织浸润的单核细胞存在克隆联系。此外,我们鉴定出分别富集于肿瘤和NILT中的DC偏向性和巨噬细胞偏向性髓系克隆,并发现其循环单核细胞前体表现出不同的表观遗传特征,提示髓系分化命运可能在TME浸润之前就已预先决定。这些结果描绘了人类癌症中瘤内髓系细胞募集和分化的克隆途径,并提示肿瘤髓系区室的重塑可能在外周即已被编程。
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。




