非小细胞肺癌患者来源癌症相关成纤维细胞体外培养表型漂移
样本为从人非癌肺组织与非小细胞肺癌肿瘤组织中分离的成纤维细胞,以及两种来源在体外培养三代后的成纤维细胞。数据对应 Mathieson 等提交的研究,关注患者来源癌症相关成纤维细胞在培养过程中的表型漂移

基本信息
资源简介
非小细胞肺癌患者来源癌症相关成纤维细胞体外培养表型漂移
该数据集来自 datashare.ed.ac.uk,属于肿瘤/肺癌分类,包含 Nanostring nCounter 靶向 RNA 测序数据。样本为从人非癌肺组织与非小细胞肺癌肿瘤组织中分离的成纤维细胞,以及两种来源在体外培养三代后的成纤维细胞。数据对应 Mathieson 等提交的研究,关注患者来源癌症相关成纤维细胞在培养过程中的表型漂移。可用于比较非癌与肿瘤来源成纤维细胞及其传代培养后的转录特征,支持癌症相关成纤维细胞表型与体外培养影响的研究(来源 datashare.ed.ac.uk)。
【数据内容】
源站描述(机器翻译,仅供参考):Nanostring nCounter 靶向 RNA 测序数据,样本为从人非癌肺组织和非小细胞肺癌肿瘤组织中分离的成纤维细胞,以及两种来源在培养中维持三代的成纤维细胞,如 Mathieson 等(提交)所示“非小细胞肺癌患者来源的癌症相关成纤维细胞在培养中发生表型漂移”。癌症相关成纤维细胞(CAFs)是许多实体器官恶性肿瘤(包括非小细胞肺癌(NSCLC))间质中的主要细胞类型。它们被广泛研究,代表着一群具有不同表型和功能的多样化细胞。CAF 研究通常依赖于体外扩增和培养以进行功能测定和共培养实验。在本研究中,我们研究了来自 NSCLC 患者的 CAFs 与非癌肺成纤维细胞的表型
【主题与分类】
主题标签:Cancer associated fibroblasts、Non-small cell lung cancer、fibroblasts、Nanostring、Cell culture、Phenotypic drift。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://datashare.ed.ac.uk/handle/10283/8817
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://datashare.ed.ac.uk/handle/10283/8817
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
Nanostring nCounter靶向RNA测序数据,涉及从人非癌性肺组织及非小细胞肺癌肿瘤组织中分离的成纤维细胞,以及源自这两种组织的成纤维细胞在培养中维持三个传代后的情况,如Mathieson等人(提交稿)所述“非小细胞肺癌患者来源的癌症相关成纤维细胞在培养中经历表型漂移”。癌症相关成纤维细胞(CAFs)是许多实体器官恶性肿瘤,包括非小细胞肺癌(NSCLC)间质中的主要细胞类型。它们被广泛研究,并代表了一群表现出不同表型和功能的异质性细胞。CAF研究通常依赖于体外扩增和培养,以进行功能性实验和共培养实验。在本研究中,我们通过流式细胞术追踪CAF亚群标志物表达水平的变化,比较了NSCLC患者来源的CAFs与非癌性肺成纤维细胞的表型。
我们证明,来自非小细胞肺癌的癌相关成纤维细胞在培养过程中会发生表型漂移,并且在先前定义的亚群中,当癌相关成纤维细胞维持在标准培养条件下时,会趋同于一种在非癌肺组织中主要上调的表型。总之,我们显示癌相关成纤维细胞与来自非癌肺组织的成纤维细胞在表型、转录组和功能上趋同,表明标准培养条件促进了这一表型。我们强调,在对癌相关成纤维细胞进行功能研究时,有必要理解和监测培养过程中的表型,因为肿瘤微环境中发现的异质性在培养细胞中会迅速丧失。
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。




