犬B细胞淋巴瘤患者来源异种移植及细胞系模型的建立
高级别犬B细胞淋巴瘤(cBCL)与人类弥漫大B细胞淋巴瘤病理相近,但缺乏临床前模型。本研究将三只犬原发cBCL肿瘤移植至免疫缺陷NSG小鼠,建立患者来源异种移植(PDX)模型;经组织学、流式细胞术、SNP基因分型和RNA测序,模型多代传代后保留大部分原特征

基本信息
资源简介
犬B细胞淋巴瘤患者来源异种移植及细胞系模型的建立
Establishment of patient-derived xenotransplant and cell line models for canine B-cell lymphoma
高级别犬B细胞淋巴瘤(cBCL)与人类弥漫大B细胞淋巴瘤病理相近,但缺乏临床前模型。本研究将三只犬原发cBCL肿瘤移植至免疫缺陷NSG小鼠,建立患者来源异种移植(PDX)模型;经组织学、流式细胞术、SNP基因分型和RNA测序,模型多代传代后保留大部分原特征。两个PDX系癌细胞体外培养成功,建成两个细胞系,一个用于药物敏感性试验。这些模型为犬癌症研究提供资源(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):高级别犬B细胞淋巴瘤(cBCL)是一种犬自发性癌症,其病理与人类弥漫性大B细胞淋巴瘤(DLBCL)非常相似。比较肿瘤学对犬和人类的价值早已得到认可,但cBCL研究的进展一直因临床前模型稀缺而受阻。本研究旨在从原发性cBCL肿瘤中建立并表征新型患犬来源异种移植(PDX)和细胞系模型,以弥补这一关键空白。为此,研究人员手术切除了三只患犬的原发性cBCL肿瘤,并将其连续移植到免疫缺陷NOD scid gamma(NSG)小鼠中。所得PDX模型通过组织学、流式细胞术、SNP基因分型和RNA测序在不同传代阶段进行了表征,结果表明,即使在多次NSG传代后,它们仍保留了大部分原始特征。其中两个PDX系的癌细胞成功适应了体外培养,建立了两个新的细胞系,其中一个随后被用于药物敏感性检测。这些cBCL PDX和细胞系的成功建立与表征为犬癌症研究提供了宝贵资源。
【主题与分类】
主题标签:B-cell lymphoma、patient-derived xenograft、canine lymphoma。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.dncjsxmbg
使用许可:Creative Commons Zero v1.0 Universal。
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/10.5061/dryad.dncjsxmbg
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 6.0 KB。
数据说明
高级别犬B细胞淋巴瘤(cBCL)是一种犬自发性癌症,其病理与人类弥漫性大B细胞淋巴瘤(DLBCL)非常相似。比较肿瘤学对犬和人类的价值早已得到认可,但cBCL研究的进展一直因临床前模型稀缺而受阻。本研究旨在从原发性cBCL肿瘤中建立并表征新型患犬来源异种移植(PDX)和细胞系模型,以弥补这一关键空白。为此,研究人员手术切除了三只患犬的原发性cBCL肿瘤,并将其连续移植到免疫缺陷NOD scid gamma(NSG)小鼠中。所得PDX模型通过组织学、流式细胞术、SNP基因分型和RNA测序在不同传代阶段进行了表征,结果表明,即使在多次NSG传代后,它们仍保留了大部分原始特征。其中两个PDX系的癌细胞成功适应了体外培养,建立了两个新的细胞系,其中一个随后被用于药物敏感性检测。这些cBCL PDX和细胞系的成功建立与表征为犬癌症研究提供了宝贵资源。
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。




