不同壶腹癌亚型细胞系特征及癌相关成纤维细胞介导的反应
该数据集来自omicsdi.org,聚焦壶腹癌(ampullary cancer)不同亚型的细胞系特征。研究通过亚型标志物表达、上皮-间质转化(EMT)特征、生长与侵袭能力、药物敏感性以及癌相关成纤维细胞条件培养基(CAF-CM)反应,对现有壶腹癌细胞系进行系统表征

基本信息
资源简介
不同壶腹癌亚型细胞系特征及癌相关成纤维细胞介导的反应
该数据集来自omicsdi.org,聚焦壶腹癌(ampullary cancer)不同亚型的细胞系特征。研究通过亚型标志物表达、上皮-间质转化(EMT)特征、生长与侵袭能力、药物敏感性以及癌相关成纤维细胞条件培养基(CAF-CM)反应,对现有壶腹癌细胞系进行系统表征。结果显示,依据EMT特征、亚型标志物表达、生长、侵袭和药物敏感性,可将细胞系分为间质样、胰胆样和肠样三类;在CAF-CM作用下,细胞表现出生长增强、EMT诱导及抑制等反应。该数据可用于壶腹癌亚型分类、细胞行为与微环境相互作用研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):引言:壶腹癌是一种相对罕见的疾病,通常采用胰十二指肠切除术并辅以辅助治疗。肠型亚型在切除后预后明显改善。用于壶腹癌体外研究的细胞系很少,且尚未被统一表征。方法:我们通过亚型标志物表达、上皮-间质转化(EMT)特征、生长与侵袭、药物敏感性以及对癌相关成纤维细胞条件培养基(CAF-CM)的反应,对可用的壶腹癌细胞系进行了表征。结果:基于EMT特征、亚型标志物表达、生长、侵袭和药物敏感性,可区分出三种类型的细胞系:间质样、胰胆样和肠样。在响应CAF-CM时,生长增强、EMT诱导以及抑制
【主题与分类】
主题标签:Ampullary adenocarcinoma、Cell invasion、Differentiation、Pancreatobiliary、Cell proliferation、Fibroblast、Dysplastic、Intestinal。本站分类:肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/pride/PXD002657
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://omicsdi.org/dataset/pride/PXD002657
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
引言:壶腹癌是一种相对罕见的疾病,通常采用胰十二指肠切除术并辅以辅助治疗。肠型亚型在切除后预后明显改善。可用于壶腹癌体外研究的细胞系很少,且尚未对其进行系统性特征描述。方法:我们通过亚型标志物表达、上皮-间质转化(EMT)特征、生长与侵袭、药物敏感性以及对癌症相关成纤维细胞条件培养基(CAF-CM)的反应,对可用的壶腹癌细胞系进行了特征描述。结果:基于EMT特征、亚型标志物表达、生长、侵袭和药物敏感性,可区分出三种类型的细胞系:间质样、胰胆管样和肠样。对CAF-CM的反应中,观察到生长增强、EMT诱导以及肠分化标志物受抑制,但呈现异质性模式。此外,对CAF反应的蛋白质组学分析将肠样细胞系与其他细胞系区分开来。
讨论:现有大多数AMPAC细胞系似乎呈现出低分化的胰胆管或间充质样表型,这与其来源相符。我们认为,对于肠型AMPAC而言,最佳的细胞系模型是SNU869细胞系,而其他细胞系则似乎反映了侵袭性较强的AMPAC亚型。
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。




