结直肠癌IL-10阻断单细胞RNA测序数据集
该数据集来自search.dataone.org，主题为结直肠癌IL-10阻断研究，采用10X Chromium单细胞RNA测序技术，并涉及CRLM切片培养、免疫组化、原位杂交及荧光显微镜等多类实验
基本信息
资源简介
结直肠癌IL-10阻断单细胞RNA测序数据集
Colorectal cancer interleukin-10 blockade scRNA-seq
该数据集来自search.dataone.org，主题为结直肠癌IL-10阻断研究，采用10X Chromium单细胞RNA测序技术，并涉及CRLM切片培养、免疫组化、原位杂交及荧光显微镜等多类实验。数据覆盖微卫星稳定型结直肠癌肝转移（CRLM）中IL-10阻断对T细胞及CAR-T细胞抗肿瘤功能的影响，可用于探索肿瘤免疫微环境、免疫治疗抵抗机制及单细胞转录组分析（来源 DataONE，CC0 1.0 Universal (CC0 1.0) Public Domain Dedication 许可）。
【数据内容】
源站描述（机器翻译，仅供参考）：目的：PD-1检查点抑制和过继细胞疗法在微卫星稳定型结直肠癌肝转移（CRLM）患者中效果有限。我们证明，白细胞介素-10（IL-10）阻断可增强CRLM切片培养物中内源性T细胞和嵌合抗原受体T（CAR-T）细胞的抗肿瘤功能。设计：我们从人CRLM（n = 38）创建了器官型切片培养物，并测试了针对IL-10的中和抗体（αIL-10）的抗肿瘤效果。我们通过单重和多重免疫组化、原位杂交、单细胞RNA测序和延时荧光显微镜评估了切片培养物。此外，我们研究了αIL-10对癌胚抗原（CEA）特异性CAR-T细胞的影响，这些细胞被外源性给予人CRLM切片培养物和CRLM小鼠模型。结果：PD-1阻断几乎没有效果，
【主题与分类】
主题标签：Colorectal cancer、IL-10、CRLM、CRC、slice culture、scRNAseq、10X Chromium。本站分类：肿瘤/其他。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256%3A719df0b6e4384bd7583269a56f84124f19b818f214f59a2b917b3f5543fe9ab4
使用许可：CC0 1.0 Universal (CC0 1.0) Public Domain Dedication。
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
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
目的：PD-1检查点抑制与过继性细胞疗法在微卫星稳定型结直肠癌肝转移（CRLM）患者中疗效有限。我们证明，在白介素-10（IL-10）阻断可增强CRLM切片培养中内源性T细胞和嵌合抗原受体T（CAR-T）细胞的抗肿瘤功能。设计：我们从人CRLM（n=38）制备了器官型切片培养，并测试了抗IL-10中和抗体（αIL-10）的抗肿瘤效果。我们通过单重和多重免疫组化、原位杂交、单细胞RNA测序及延时荧光显微镜对切片培养进行了评估。此外，我们研究了αIL-10对癌胚抗原（CEA）特异性CAR-T细胞的影响，这些细胞被外源性给予至人CRLM切片培养和CRLM小鼠模型。结果：PD-1阻断在CRLM切片培养中效果甚微。相比之下，αIL-10使T细胞介导的癌细胞杀伤增加了1.8倍……
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。
