通过STING相分离构建时空巨噬细胞回路以克服胰腺癌免疫抑制
该数据集围绕胰腺导管腺癌(PDAC)高度免疫抑制的肿瘤微环境展开,基于单细胞RNA测序数据分析识别出共表达MRC1、主动抑制抗肿瘤免疫反应的异质性肿瘤相关巨噬细胞(TAM)亚群

基本信息
资源简介
通过STING相分离构建时空巨噬细胞回路以克服胰腺癌免疫抑制
Engineering a spatiotemporal macrophage circuit via STING phase separation to override immune suppression in pancreatic cancer
该数据集围绕胰腺导管腺癌(PDAC)高度免疫抑制的肿瘤微环境展开,基于单细胞RNA测序数据分析识别出共表达MRC1、主动抑制抗肿瘤免疫反应的异质性肿瘤相关巨噬细胞(TAM)亚群。研究进一步构建了利用STING相分离重编程TAM可塑性、重塑免疫景观的时空巨噬细胞重编程平台PMMB,该平台在巨噬细胞仿生纳米结构中整合CSF-1R抑制剂与STING激动剂,实现对TAM的顺序可控重编程。数据可用于TAM亚群分析、免疫微环境研究及纳米免疫治疗策略探索(来源 DataONE)。
【数据内容】
源站描述(机器翻译,仅供参考):胰腺导管腺癌(PDAC)仍是最致命的恶性肿瘤之一,很大程度上归因于其高度免疫抑制的肿瘤微环境(TME),该微环境促进转移并导致免疫治疗耐药。通过对单细胞RNA测序(scRNA-seq)数据集的全面分析,我们鉴定出多个异质性肿瘤相关巨噬细胞(TAM)亚群是PDAC进展的关键调控者,这些亚群共表达MRC1并通过主动抑制抗肿瘤免疫反应发挥作用。为克服这一障碍,我们开发了一个时空巨噬细胞重编程平台,利用STING相分离重编程TAM可塑性并重塑免疫景观。该系统PMMB在巨噬细胞仿生纳米结构内整合了CSF-1R抑制剂和STING激动剂,能够对TAM进行顺序、可控的重编程。通过利用STING
【主题与分类】
主题标签:Biomimetics、tumor associated macrophages、PDAC、tumor metastasis。本站分类:肿瘤。
【获取与许可】
源站页面:https://search.dataone.org/view/sha256%3A1bf46c34ecd881d9ffcbfc75437a22e3ae23b8925076a4a6d762eae056b20eca
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
胰腺导管腺癌(PDAC)仍然是最致命的恶性肿瘤之一,这主要归因于其高度免疫抑制的肿瘤微环境(TME),该微环境促进了转移和免疫治疗耐药。通过对单细胞RNA测序(scRNA-seq)数据集的综合分析,我们鉴定出多个异质性肿瘤相关巨噬细胞(TAMs)亚群是PDAC进展的关键调控者,这些亚群共表达MRC1,并通过主动抑制抗肿瘤免疫应答发挥作用。为克服这一障碍,我们开发了一种时空巨噬细胞重编程平台,利用STING相分离来重编程TAM的可塑性并重塑免疫景观。该系统PMMB将CSF-1R抑制剂和STING激动剂整合于巨噬细胞模拟纳米结构中,实现对TAMs的序贯、可控重编程。通过利用STING相分离,PMMB将TAMs稳定在抗肿瘤CD80âº表型,同时防止过度in…,小鼠PDAC肿瘤的单细胞RNA测序 为创建皮下异种移植PDAC模型,将5Ã106个KPC细胞注射到雄性C57BL/6小鼠右侧腹。
分别在第0、3、6、9和12天将PMMB注射到小鼠尾静脉中。第14天,收集小鼠肿瘤用于scRNA-seq。将肿瘤用酶解离成单细胞悬液。去除死细胞后,将活细胞(>80%)重悬于含0.5% BSA的PBS中,并进行scRNA-seq处理。根据制造商的操作方案,使用基于液滴的平台生成单细胞文库,包括逆转录、cDNA扩增和文库索引。文库在Illumina NovaSeq平台上测序,每个细胞产生约200,000条reads,中位检测基因数约为2,000–2,500个。原始reads用fastp(4)过滤,比对到小鼠mm10基因组,并处理生成基因-条形码矩阵,用于Seur中的下游分析。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




