多发性肺癌空间微环境图谱数据集
随着 CT 筛查的普及，多发性肺癌（MLC）的诊断日益增多。尽管对单发肺癌生物学的研究已十分丰富，但 MLC 的肿瘤微环境（TME）在很大程度上仍未被表征
基本信息
资源简介
多发性肺癌空间微环境图谱数据集
Spatial microenvironmental profiling datasets of multiple lung cancers（多发性肺癌空间微环境图谱数据集）是一个面向肿瘤学与肺癌研究领域的空间组学数据资源，由 Chen、Yuan、Jin、Bai、Zhang、Zhao、Xu、Wang、Ma、Zhuang、Sheng 等作者共同贡献，发布于 Zenodo，发布时间为 2025 年，采用 Creative Commons Attribution 4.0 International 许可。该数据集聚焦于多发性肺癌（MLC）的肿瘤微环境（TME），整合了成像质谱流式、高分辨率空间转录组以及批量 RNA 测序等多层次数据，为研究多发性肺癌的空间组织特征提供了系统的数据基础，本站将其归类于肿瘤 / 肺癌方向。
【数据集背景】
随着 CT 筛查的普及，多发性肺癌（MLC）的诊断日益增多。尽管针对单发肺癌生物学的研究已十分丰富，但 MLC 的肿瘤微环境在很大程度上仍未被表征。这一空白构成了该数据集的核心出发点：研究者在源站描述中明确指出，MLC 的 TME 研究相对匮乏，因此有必要对多发性肺癌的空间微环境进行系统性的前瞻性分析，以弥补单发肺癌研究框架难以覆盖的多病灶情境。
【数据内容】
该数据集围绕 45 例 MLC 患者展开前瞻性分析，覆盖肿瘤核心、肿瘤边缘及邻近组织等空间区域，采用成像质谱流式（imaging mass cytometry）进行微环境表征；同时结合 16 微米分辨率的空间转录组数据（10x Visium HD）。此外，为验证 TME 相关发现，研究者还对来自外部队列的 35 例患者进行了批量 RNA 测序（RNA-seq）。数据内容因此涵盖空间蛋白与空间转录组两个层面的原位信息，以及用于验证的批量转录组信息。
【采集与来源】
数据来源于 doi.org，发布机构为 Zenodo。采集策略为前瞻性分析 45 例 MLC 患者，取样区域包括肿瘤核心、边缘与邻近组织；空间转录组分辨率为 16 微米，平台为 10x Visium HD；验证队列为 35 例外部队列患者，采用批量 RNA 测序。作者团队包括 Chen, Kezhong、Yuan, Xiaoqiu、Jin, Ruoyi、Bai, Jing、Zhang, Xueying、Zhao, Yaxing、Xu, Junnan、Wang, Ziyang、Ma, Pengfei、Zhuang, Guanglei、Sheng, Jianpeng。
【适用场景】
该数据集适用于多发性肺癌肿瘤微环境的空间组织学研究，包括肿瘤核心、边缘与邻近组织之间细胞与分子特征的空间比较；也适用于空间转录组与成像质谱流式数据的整合分析，以及利用批量 RNA 测序外部队列对 TME 发现进行验证的研究场景。对于关注肺癌空间异质性、多病灶微环境特征的研究者，该数据集提供了可直接利用的多层次数据资源。
【使用方法】
源站未提供具体的使用方法说明，包括数据文件组织方式、预处理流程、分析工具与参数设置等均未在给定信息中说明。使用者需依据 Zenodo 平台上的数据集记录自行获取相关说明。
【质量与限制】
该数据集基于 45 例 MLC 患者的前瞻性分析与 35 例外部队列患者的批量 RNA 测序验证，样本规模与验证设计已在源站描述中说明。除此之外，关于数据质量评估指标、批次效应、缺失值处理及技术重复等信息，源站未提供。
【引用与许可】
该数据集采用 Creative Commons Attribution 4.0 International 许可，使用时需按要求进行署名引用。作者为 Chen, Kezhong、Yuan, Xiaoqiu、Jin, Ruoyi、Bai, Jing、Zhang, Xueying、Zhao, Yaxing、Xu, Junnan、Wang, Ziyang、Ma, Pengfei、Zhuang, Guanglei、Sheng, Jianpeng，发布机构为 Zenodo，发布时间为 2025 年。具体引用格式与版本信息源站未提供。
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/10.5281/zenodo.17382455
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
随着CT筛查的普及，多发性肺癌（MLC）的诊断日益增多。尽管对单发性肺癌生物学的研究已相当丰富，但MLC的肿瘤微环境（TME）在很大程度上仍未被阐明。我们前瞻性分析了45例MLC患者，采用成像质谱流式技术检测肿瘤核心、边缘及邻近组织，并结合16微米分辨率（10x Visium HD）的空间转录组学进行分析。为验证TME相关发现，我们对来自外部队列的35例患者进行了批量RNA测序（RNA-seq）。
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。
