单细胞测序揭示滤泡性淋巴瘤患者副肿瘤性天疱疮的动态免疫特征
该数据集来自一项针对滤泡性淋巴瘤合并副肿瘤性天疱疮患者的研究,采用单细胞转录组测序和单细胞TCR分析,对外周血单个核细胞和骨髓细胞在治疗前、治疗中及治疗后的动态免疫特征进行检测

基本信息
资源简介
单细胞测序揭示滤泡性淋巴瘤患者副肿瘤性天疱疮的动态免疫特征
Single-cell sequencing reveals dynamic immune features of paraneoplastic pemphigus in a patient with follicular lymphoma
该数据集来自一项针对滤泡性淋巴瘤合并副肿瘤性天疱疮患者的研究,采用单细胞转录组测序和单细胞TCR分析,对外周血单个核细胞和骨髓细胞在治疗前、治疗中及治疗后的动态免疫特征进行检测。数据可用于探索副肿瘤性天疱疮继发于淋巴瘤时的细胞与分子机制,以及治疗过程中的免疫图谱变化(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:副肿瘤性天疱疮(PNP)是一种高度致命的自身免疫性大疱性疾病,常发生于患有潜在良性或恶性肿瘤的患者。它给诊断和治疗带来了重大挑战。迄今为止,PNP发病机制的细胞和分子机制在很大程度上仍不清楚。目的:本研究旨在通过分析整个治疗过程中的动态免疫景观,阐明PNP的细胞和分子机制,特别是当它继发于淋巴瘤时。方法:我们对一名伴有PNP的滤泡性淋巴瘤(FL)患者的外周血单个核细胞(PBMCs)和骨髓细胞(BMCs)进行了单细胞转录组测序和单细胞T细胞受体(TCR)分析。样本在三个关键时间点收集:治疗前、治疗中,以及
【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:GPL24676、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=GSE318717
【使用注意】
· 源站最后修改于 Jun 17 202,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=GSE318717
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
背景:副肿瘤性天疱疮(PNP)是一种高度致命的自身免疫性大疱性疾病,常发生于伴有潜在良性或恶性肿瘤的患者。该病在诊断和治疗方面面临重大挑战。迄今为止,PNP发病机制的细胞和分子机制在很大程度上仍不清楚。目的:本研究旨在通过分析整个治疗过程中的动态免疫格局,阐明PNP的细胞和分子机制,尤其是继发于淋巴瘤时的情况。方法:我们对一名伴有PNP的滤泡性淋巴瘤(FL)患者的外周血单个核细胞(PBMCs)和骨髓细胞(BMCs)进行了单细胞转录组测序和单细胞T细胞受体(TCR)分析。样本采集于三个关键时间点:治疗前、治疗期间和治疗成功后。结果:治疗前,我们观察到PBMCs中ITGAL+ T细胞、异常γδT细胞亚型和BCL2+ B细胞的特异性富集。值得注意的是,BMCs中也富集了初始T细胞和一种异常的B细胞亚型。
单细胞转录组结果绘制了淋巴瘤相关肿瘤微环境图谱,并揭示了治疗后的免疫重建。这种重建涉及激活的DNA损伤反应和T细胞免疫应答,随着治疗进展TCR克隆逐渐扩增的观察进一步支持了这一点。结论:我们的研究描绘了一名FL相关PNP患者在整个治疗过程中的动态免疫景观,证明成功的治疗与涉及特定T细胞应答和TCR克隆扩增的免疫重建相关。这些发现为PNP的细胞和分子机制提供了新的见解,尤其是在继发于淋巴瘤的病例中。
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。




