肿瘤教育血小板RNA-seq用于血液泛癌、多分类及分子通路癌症诊断
该数据集为肿瘤教育血小板（TEP）RNA测序数据，包含283份血液血小板样本，其中228份来自六种恶性肿瘤患者（非小细胞肺癌、结直肠癌、胰腺癌、胶质母细胞瘤、乳腺癌和肝胆癌），另有55份来自健康个体
基本信息
资源简介
肿瘤教育血小板RNA-seq用于血液泛癌、多分类及分子通路癌症诊断
该数据集为肿瘤教育血小板（TEP）RNA测序数据，包含283份血液血小板样本，其中228份来自六种恶性肿瘤患者（非小细胞肺癌、结直肠癌、胰腺癌、胶质母细胞瘤、乳腺癌和肝胆癌），另有55份来自健康个体。数据来源于omicsdi.org，本站分类为肿瘤/肺癌，主题标签为Transcriptomics。该数据集旨在展示基于TEP RNA的“液体活检”在多种癌症类型患者中的应用能力，包括泛癌、多类别癌症及伴随诊断的潜力，为血液基癌症诊断研究提供了转录组层面的资源。
【数据集背景】
该数据集聚焦于肿瘤教育血小板（Tumor-Educated Platelets，TEP）的RNA测序研究。血小板在血液循环中可与肿瘤细胞及其释放的分子发生相互作用，从而摄取肿瘤来源的RNA等生物分子，形成所谓“肿瘤教育”状态。基于这一生物学基础，TEP RNA被认为可作为血液基液体活检的候选标志物来源，用于癌症诊断与分型。该数据集正是围绕这一方向，报告了283份血液血小板样本的RNA测序数据，涵盖多种恶性肿瘤患者与健康个体，以探索TEP RNA在泛癌、多类别癌症及分子通路癌症诊断中的能力。
【数据内容】
该数据集包含283份血液血小板样本的RNA测序数据。其中，228份为肿瘤教育血小板（TEP）样本，采集自六种不同恶性肿瘤的患者，具体包括非小细胞肺癌、结直肠癌、胰腺癌、胶质母细胞瘤、乳腺癌和肝胆癌。另有55份样本来自健康个体，作为对照或健康参考。数据主题标签为Transcriptomics，表明其属于转录组学范畴。源站描述强调，该数据集展示了TEP RNA基液体活检在多种癌症类型患者中的能力，包括泛癌诊断、多类别癌症诊断以及伴随诊断的潜力。除上述样本数量、癌症类型和健康个体数量外，源站未提供更细粒度的样本临床信息、测序深度、读长、基因表达矩阵等具体内容。
【采集与来源】
根据源站描述，血液血小板从全血中分离。具体流程为：使用含EDTA抗凝剂的紫色盖BD Vacutainer采血管采集全血，随后通过标准离心方法分离血小板。总RNA从血小板沉淀中提取，之后进行cDNA合成和SMARTer扩增，再通过Covaris剪切进行片段化，并制备用于测序。该数据集来源站为omicsdi.org。除上述采集与建库流程外，源站未提供样本采集地点、时间跨度、患者纳入标准、伦理审批信息等更多来源细节。
【适用场景】
该数据集适用于基于TEP RNA的癌症液体活检研究，尤其是泛癌诊断、多类别癌症分类诊断以及分子通路相关癌症诊断的探索。由于样本涵盖六种恶性肿瘤和健康个体，可用于比较肿瘤患者与健康个体之间血小板RNA表达差异，也可用于评估TEP RNA作为血液基诊断标志物的可行性。此外，源站描述提及该数据集在伴随诊断方面的能力，因此也可能适用于与癌症治疗相关的诊断标志物研究。但具体适用场景需结合源站未提供的实验设计、数据分析方法和验证结果进一步判断。
【使用方法】
源站未提供该数据集的具体使用方法，包括数据下载方式、文件格式、数据处理流程、分析工具或代码等。用户如需使用，应参考来源站omicsdi.org的相关说明。源站描述中仅提及建库测序前的实验流程，未涉及后续生物信息学分析步骤或使用建议。
【质量与限制】
源站未提供该数据集的质量评估信息，例如测序质量分数、比对率、重复性、批次效应等。已知限制方面，源站描述仅覆盖六种恶性肿瘤和健康个体，样本量为283份，其中健康个体55份，肿瘤样本228份。该数据集是否适用于其他癌症类型或更广泛人群，源站未提供相关信息。此外，源站描述未提及样本的临床分期、治疗状态、年龄、性别等可能影响结果的因素，因此在使用时需注意这些未覆盖的变量可能带来的限制。
【引用与许可】
源站未提供该数据集的引用方式、许可协议或使用条款。用户在使用前应自行查阅来源站omicsdi.org的相关页面，以获取准确的引用要求和许可信息。
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-68086
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
我们报告了283份血小板样本的RNA测序数据，其中包括从六种不同恶性肿瘤（非小细胞肺癌、结直肠癌、胰腺癌、胶质母细胞瘤、乳腺癌和肝胆癌）患者中收集的228份肿瘤教育血小板（TEP）样本。此外，我们还报告了从55名健康个体中分离出的血小板的RNA测序数据。此数据集突显了基于TEP RNA的“液体活检”在多种癌症类型患者中的应用能力，包括泛癌、多类癌症及伴随诊断的能力。血小板是通过标准离心法从含有EDTA抗凝剂的紫色盖BD Vacutainers全血中分离出来的。从血小板沉淀中提取总RNA，进行cDNA合成和SMARTer扩增，通过Covaris剪切片段化，并使用Truseq Nano DNA样本制备试剂盒准备测序。随后，混合样本文库在Illumina Hiseq 2500平台上进行测序。所有步骤均使用Bioanalyzer 2100配合RNA 6000 Picochip、DNA 7500及DNA高灵敏度芯片测量进行质量控制。
为进一步进行下游分析，使用Trimmomatic对读段进行质量控制，利用STAR比对到人类参考基因组，并采用HTseq汇总跨内含子读段。处理后数据包含285个样本（列）和57736个Ensembl基因ID（行）。补充数据文件（TEP_data_matrix.txt）包含了经HTseq数据汇总后的跨内含子读段计数。
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。
