多种肺癌空间微环境图谱数据集及分析代码
随着CT筛查的普及，多原发肺癌（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
多种肺癌空间微环境图谱数据集及分析代码
多原发肺癌（MLC）在CT筛查日益普及的背景下被越来越多地诊断出来。尽管针对单发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充分表征。该数据集名为“Spatial microenvironmental profiling datasets of multiple lung cancers and analysis code”，属于肿瘤/肺癌领域，来源于doi.org，由Zenodo机构发布，发布时间为2026年。数据集围绕MLC的空间微环境展开，整合了成像质谱流式（IMC）与空间转录组学等多模态空间 profiling 手段，并配套提供分析代码，同时包含用于验证TME发现的外部队列批量RNA测序数据，为探索多原发肺癌的空间微环境特征提供了数据基础。
【数据集背景】
多原发肺癌（MLC）随着CT筛查的推广，诊断率不断上升。然而，与单发肺癌相比，MLC的肿瘤微环境研究仍存在明显空白。现有研究多聚焦于单发肺癌的生物学机制，对MLC的TME缺乏系统性的刻画。该数据集正是针对这一空白而构建，旨在通过空间分辨的多组学手段，对MLC的肿瘤微环境进行前瞻性分析，从而加深对多原发肺癌空间微环境特征的理解。
【数据内容】
该数据集包含对45例MLC患者进行成像质谱流式（IMC）分析所获得的数据，覆盖肿瘤核心、肿瘤边缘以及邻近组织等区域。同时，数据集还包含以16-μm分辨率进行的空间转录组学数据（10x Visium HD）。此外，为验证TME相关发现，数据集纳入了来自一个外部队列的35例患者经批量RNA测序（RNA-seq）获得的数据。数据集还配套提供了分析代码，以支持对上述空间微环境数据的处理与解读。
【采集与来源】
数据来源于doi.org，发布机构为Zenodo。采集方式包括：对45例MLC患者进行成像质谱流式（IMC）分析，采样区域涵盖肿瘤核心、肿瘤边缘和邻近组织；空间转录组学采用10x Visium HD平台，分辨率为16-μm；外部验证队列的35例患者则通过批量RNA测序（RNA-seq）获取数据。作者包括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】
该数据集适用于多原发肺癌肿瘤微环境的空间特征研究，可用于分析肿瘤核心、肿瘤边缘与邻近组织之间的空间差异。借助IMC数据，可探索细胞层面的空间分布；借助16-μm分辨率的空间转录组学数据，可在转录本水平上解析空间表达模式。外部批量RNA测序数据可用于对TME发现进行验证。配套分析代码可用于复现或扩展相关分析流程。该数据集属于肿瘤/肺癌领域，适合肺癌空间生物学、肿瘤微环境以及多原发肺癌相关研究使用。
【使用方法】
源站未提供。
【质量与限制】
源站未提供。
【引用与许可】
该数据集采用Creative Commons Attribution 4.0 International许可，允许在署名条件下使用。引用时需遵循该许可要求，并注明数据集英文名“Spatial microenvironmental profiling datasets of multiple lung cancers and analysis code”及相关作者信息。发布机构为Zenodo，来源站为doi.org，发布时间为2026年。
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.23284698
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颇为丰富，但MLC的肿瘤微环境（TME）在很大程度上仍未被阐明。我们前瞻性地分析了45例MLC患者，采用成像质谱流式技术（IMC）对肿瘤核心、边缘及邻近组织（269个感兴趣区域[ROIs]）进行了检测，并对其中接受IMC检测的8个选定病灶进行了16微米分辨率（10x Visium HD）的空间转录组学分析。为验证TME研究发现，我们对来自一个外部队列的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。
