惰性原发性皮肤B细胞淋巴瘤类似持续性抗原反应且无去分化迹象
该数据集来自NCBI GEO,标题为GSE218861,聚焦惰性原发性皮肤B细胞淋巴瘤是否类似持续性抗原反应且无去分化迹象

基本信息
资源简介
惰性原发性皮肤B细胞淋巴瘤类似持续性抗原反应且无去分化迹象
Indolent primary cutaneous B cell lymphomas resemble persistent antigen reactions without signs of dedifferentiation
该数据集来自NCBI GEO,标题为GSE218861,聚焦惰性原发性皮肤B细胞淋巴瘤是否类似持续性抗原反应且无去分化迹象。源站描述显示研究对原发性皮肤滤泡中心淋巴瘤、原发性皮肤边缘区淋巴瘤和原发性皮肤弥漫大B细胞淋巴瘤腿型进行单细胞RNA测序,并纳入反应性B细胞丰富淋巴增殖、胃MALT淋巴瘤及系统对应病变。数据含1个文件,主题标签涉及高通量测序表达谱,可用于淋巴瘤分子分型与病理机制探索(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 28 202。
【数据内容】
源站描述(机器翻译,仅供参考):原发性皮肤B细胞淋巴瘤涵盖临床异质性实体。虽然原发性皮肤弥漫大B细胞淋巴瘤腿型(pcDLBCL-LT)具有侵袭性,但原发性皮肤滤泡中心淋巴瘤(pcFCL)和原发性皮肤边缘区淋巴瘤(pcMZL)通常呈惰性病程。为阐明其病理生理基础,我们对pcFCL、pcMZL和pcDLBCL-LT,以及反应性B细胞丰富淋巴增殖(rB-LP)、胃黏膜相关淋巴组织(MALT)淋巴瘤和系统对应病变进行单细胞RNA测序。
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL20301、9606。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE218861
【使用注意】
· 源站最后修改于 Feb 18 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE218861
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
原发性皮肤B细胞淋巴瘤涵盖临床异质性的多种实体。虽然原发性皮肤弥漫性大B细胞淋巴瘤,腿型(pcDLBCL-LT)具有侵袭性,但原发性皮肤滤泡中心淋巴瘤(pcFCL)和原发性皮肤边缘区淋巴瘤(pcMZL)通常呈惰性病程。为阐明其病理生理学基础,我们对pcFCL、pcMZL和pcDLBCL-LT进行了单细胞RNA测序,同时纳入反应性B细胞富集淋巴样增生(rB-LP)、胃黏膜相关淋巴组织(MALT)淋巴瘤及系统性对应病变。在此我们显示,惰性的pcMZL、pcFCL和rB-LP表现出持续的生发中心反应,而pcDLBCL-LT或胃MALT淋巴瘤中未观察到这一现象。此外,pcMZL中高度扩增的克隆在病变内起源于naïve B细胞,而非目前所推测的生发中心后B细胞。因此,我们的数据表明,pcMZL和pcFCL与rB-LP相似,可能由(一种尚不清楚的)抗原驱动。虽然我们的数据表明pcFCL表现出真性淋巴瘤的某些特征,但明确支持将pcMZL归类为淋巴增殖性疾病。
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。




