男性乳腺癌样本的流式细胞术数据

该数据集包含男性乳腺癌(MBC)和女性乳腺癌(FBC)样本的单细胞RNA测序(scRNA-seq)和单细胞T细胞受体测序(scTCR-seq)数据,涉及超过11万个细胞的转录组信息,数据模态包括基因表达谱和T细胞受体序列。其主要用途是研究MBC与FBC在肿瘤微环境、T细胞浸润、免疫特征及代谢通路方面的差异,旨在揭示MBC的免疫逃逸机制和潜在治疗靶点,为开发针对男性乳腺癌的精准免疫疗法提供数据支持。

Kening LiKening Li
Mendeley Data
浏览 34
Flow cytometry data for male breast cancer sample

基本信息

大小
0.006145984 GB
创建/更新时间
2026-09-18

资源简介

该数据集聚焦于男性乳腺癌(Male Breast Cancer, MBC),这是一种罕见但侵袭性强、预后较差的恶性肿瘤。数据集通过对6例ER+ MBC和13例ER+女性乳腺癌(Female Breast Cancer, FBC)样本中的111,038个细胞进行转录组学比较分析,并应用单细胞T细胞受体测序(scTCR-seq)探索MBC与FBC之间T细胞克隆的差异。研究结果表明,MBC的T细胞浸润程度显著低于FBC,且T细胞亚群具有不同的特征:MBC中的T细胞显示出p38 MAPK和脂质氧化通路激活的功能失调状态,而FBC中的T细胞则表现出更高的细胞毒性标志物(如GZMK和KLRB1)表达水平以及免疫调节细胞因子介导的通路激活。此外,研究还识别了MBC微环境中癌细胞与T细胞之间的抑制性相互作用(如TGF-β、TIGIT和VSIR介导的细胞间通讯)。该数据集为理解MBC的肿瘤免疫学和代谢特征提供了重要信息,有助于推动针对MBC的有效治疗策略开发。

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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://data.mendeley.com/datasets/wwm9xv56ry

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

该数据集聚焦于男性乳腺癌(Male Breast Cancer, MBC),这是一种罕见但侵袭性强、预后较差的恶性肿瘤。数据集通过对6例ER+ MBC和13例ER+女性乳腺癌(Female Breast Cancer, FBC)样本中的111,038个细胞进行转录组学比较分析,并应用单细胞T细胞受体测序(scTCR-seq)探索MBC与FBC之间T细胞克隆的差异。研究结果表明,MBC的T细胞浸润程度显著低于FBC,且T细胞亚群具有不同的特征:MBC中的T细胞显示出p38 MAPK和脂质氧化通路激活的功能失调状态,而FBC中的T细胞则表现出更高的细胞毒性标志物(如GZMK和KLRB1)表达水平以及免疫调节细胞因子介导的通路激活。此外,研究还识别了MBC微环境中癌细胞与T细胞之间的抑制性相互作用(如TGF-β、TIGIT和VSIR介导的细胞间通讯)。该数据集为理解MBC的肿瘤免疫学和代谢特征提供了重要信息,有助于推动针对MBC的有效治疗策略开发。

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。

获取专属数据定制方案