高分辨率单细胞图谱揭示非小细胞肺癌肿瘤相关中性粒细胞的多样性与可塑性
该数据集来自 cellxgene.cziscience.com，为整合的非小细胞肺癌转录组图谱，涵盖 19 项研究、309 名患者的超过 120 万细胞，涉及慢性阻塞性肺疾病、肺腺癌、非小细胞肺癌、正常及肺鳞癌等疾病类型，组织来源包括肾上腺、脑、肝、肺、淋巴结和胸腔积液，检测平台涵盖 10x 3'
基本信息
资源简介
高分辨率单细胞图谱揭示非小细胞肺癌肿瘤相关中性粒细胞的多样性与可塑性
该数据集来自 cellxgene.cziscience.com，为整合的非小细胞肺癌转录组图谱，涵盖 19 项研究、309 名患者的超过 120 万细胞，涉及慢性阻塞性肺疾病、肺腺癌、非小细胞肺癌、正常及肺鳞癌等疾病类型，组织来源包括肾上腺、脑、肝、肺、淋巴结和胸腔积液，检测平台涵盖 10x 3' v1/v2/v3、10x 5' v1、BD Rhapsody 全转录组分析和 Drop-seq。数据可用于细化基于免疫表型的患者分层，揭示组织学亚型与基因型同特定细胞组分的关联，并识别肿瘤相关中性粒细胞的不同状态及预测免疫检查点阻断应答的基因特征（来源 cellxgene.cziscience.com）。
【数据内容】
源站描述（机器翻译，仅供参考）：整合的非小细胞肺癌转录组图谱提供了来自 19 项研究和 309 名患者的超过 120 万个细胞，基于免疫表型细化患者分层，并揭示组织学亚型和基因型与特定细胞组分的关联。对低 mRNA 含量细胞的单细胞测序识别出肿瘤相关中性粒细胞的不同状态，并发现可预测免疫检查点阻断剂应答的基因特征。疾病：慢性阻塞性肺疾病、肺腺癌、非小细胞肺癌、正常、肺鳞癌。组织：肾上腺组织、脑、肝、肺、淋巴结、胸腔积液。检测：10x 3' v1、10x 3' v2、10x 3' v3、10x 5' v1、BD Rhapsody Whole Transcriptome Analysis、Drop-seq。单细胞数据集（CZ CELLxGENE）。
【主题与分类】
主题标签：chronic obstructive pulmonary disease、lung adenocarcinoma、non-small cell lung carcinoma、normal、squamous cell lung carcinoma。本站分类：肿瘤/肺癌。
【获取与许可】
源站页面：https://cellxgene.cziscience.com/collections/edb893ee-4066-4128-9aec-5eb2b03f8287
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://cellxgene.cziscience.com/collections/edb893ee-4066-4128-9aec-5eb2b03f8287
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
整合的NSCLC转录组图谱提供了来自19项研究和309名患者的超过120万个细胞，基于免疫表型细化了患者分层，并揭示了组织学亚型和基因型与特定细胞组分的关联。对低mRNA含量细胞的单细胞测序识别出肿瘤相关中性粒细胞的不同状态，并发现了可预测免疫检查点阻断剂应答的基因特征。疾病：慢性阻塞性肺疾病、肺腺癌、非小细胞肺癌、正常、肺鳞状细胞癌。组织：肾上腺组织、脑、肝、肺、淋巴结、胸腔积液。检测方法：10x 3‘ v1、10x 3’ v2、10x 3‘ v3、10x 5’ v1、BD Rhapsody全转录组分析、Drop-seq。单细胞数据集（CZ CELLxGENE）。
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。
