脑转移瘤单细胞与空间转录组分析数据集
该数据集包含1998至2022年间在Duke University Medical Center切除的实体瘤人脑转移标本的单核与空间转录组测序数据，涵盖23例单核标本、12例Visium标准标本和4例Xenium标本，来源包括肺癌、乳腺癌、黑色素瘤和肉瘤原发灶
基本信息
资源简介
脑转移瘤单细胞与空间转录组分析数据集
Single Cell and Spatial Transcriptomic Analysis in Brain Metastasis
该数据集包含1998至2022年间在Duke University Medical Center切除的实体瘤人脑转移标本的单核与空间转录组测序数据，涵盖23例单核标本、12例Visium标准标本和4例Xenium标本，来源包括肺癌、乳腺癌、黑色素瘤和肉瘤原发灶。数据可用于分析肿瘤微环境中的细胞间相互作用，并探索其与患者生存的关联，支持脑转移瘤微环境研究与预后相关预测建模（来源 figshare，CC BY 4.0 许可）。
【数据集背景】
源站首次发布：2026-06-25。
【数据内容】
源站描述（机器翻译，仅供参考）：我们对1998年至2022年间在Duke University Medical Center切除的一组实体瘤人脑转移标本进行了单核和空间转录组测序。这包括23例单核标本、12例Visium标准标本和4例Xenium标本。这些样本涵盖来自肺癌、乳腺癌、黑色素瘤和肉瘤原发灶的转移瘤。对这些数据的分析揭示了与患者生存相关的新肿瘤微环境细胞间相互作用。
【数据结构与技术规格】
文件数 16 个，合计 15.00 GB。数据集 DOI：10.6084/m9.figshare.30349819.v1。
【主题与分类】
源站学科分类：Cancer cell biology、Molecular targets。主题标签：Tumor Microenvironment Chemotherapy。本站分类：肿瘤/肺癌。
【适用方向】
源站学科分类标注为 Cancer cell biology、Molecular targets。
【获取与许可】
源站页面：https://figshare.com/articles/dataset/Single_Cell_and_Spatial_Transcriptomic_Analysis_in_Brain_Metastasis/30349819
使用许可：CC BY 4.0（https://creativecommons.org/licenses/by/4.0/）。
规范引用：Khatri, Aaditya; Pendergast, Ann Marie; Anders, Carey (2026). Single Cell and Spatial Transcriptomic Analysis in Brain Metastasis. figshare. Dataset
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://doi.org/10.6084/m9.figshare.30349819
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:
数据集大小约 15.00 GB。
数据说明
我们对1998年至2022年间在杜克大学医学中心切除的一组实体瘤人脑转移标本进行了单核和空间转录组测序。这包括23个单核标本、12个Visium标准标本和4个Xenium标本。这些样本涵盖了来自肺癌、乳腺癌、黑色素瘤和肉瘤原发灶的转移。对这些数据的分析揭示了与患者生存相关的新型肿瘤-微环境细胞间相互作用。
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。
