GSE328481:利用Stereo-XCR-seq揭示肺腺癌中肿瘤反应性淋巴细胞启动的异位GC样生态位
该数据集来自NCBI GEO,标题为GSE328481,聚焦肺腺癌中肿瘤反应性淋巴细胞启动的异位GC样生态位,采用Stereo-XCR-seq技术

基本信息
资源简介
GSE328481:利用Stereo-XCR-seq揭示肺腺癌中肿瘤反应性淋巴细胞启动的异位GC样生态位
Uncovering ectopic GC-like niches for tumor reactive lymphocyte priming in lung adenocarcinoma using Stereo-XCR-seq
该数据集来自NCBI GEO,标题为GSE328481,聚焦肺腺癌中肿瘤反应性淋巴细胞启动的异位GC样生态位,采用Stereo-XCR-seq技术。实验对新鲜冷冻肿瘤组织进行严格质控、连续切片、H&E形态验证,并在Stereo-seq芯片上原位捕获mRNA,再通过自研sscirPCR策略富集TCR与BCR转录本,实现肿瘤组织内淋巴细胞克隆动态的空间映射。数据含1个文件GSE328481_series_matrix.txt.gz,作者Zhan,Xiaojuan,主题标签涉及Other、GPL29480、9606,可用于研究肺癌空间免疫微环境、免疫逃逸机制及免疫治疗策略(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):本实验旨在通过对新鲜冷冻肿瘤组织进行Stereo-XCR-seq,剖析肺癌的空间免疫微环境。首先,我们进行严格的样本质量控制,执行连续组织切片,使用H&E染色进行形态学验证,并在Stereo-seq芯片上原位捕获mRNA。随后,我们利用内部开发的sscirPCR策略从构建的Stereo-seq文库中富集TCR和BCR转录本,通过嵌套PCR介导的连接元件添加、夹板寡核苷酸诱导的环化以及两轮特异性PCR扩增,实现肿瘤组织内淋巴细胞克隆动态的空间映射,以揭示免疫逃逸机制并为免疫治疗策略提供信息。
【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:Other、GPL29480、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=GSE328481
【使用注意】
· 源站最后修改于 Aug 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=GSE328481
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
本实验旨在通过对新鲜冷冻肿瘤组织进行Stereo-XCR-seq,剖析肺癌的空间免疫微环境。首先,我们进行严格的样本质量控制,执行连续组织切片,利用H&E染色进行形态学验证,并在Stereo-seq芯片上原位捕获mRNA。随后,我们采用自主研发的sscirPCR策略,从构建的Stereo-seq文库中富集TCR和BCR转录本,该策略通过嵌套PCR介导的连接元件添加、夹板寡核苷酸诱导的环化以及两轮特异性PCR扩增,实现肿瘤组织内淋巴细胞克隆动态的空间映射,以揭示免疫逃逸机制并为免疫治疗策略提供指导。
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。




