前驱肺腺癌单细胞转录组揭示瘤内异质性与免疫网络变化

该数据集来自 NCBI GEO(GSE164789),聚焦前驱肺腺癌的单细胞图谱。研究整合单细胞 RNA 转录组、单细胞 T 细胞受体(scTCR)、全外显子测序与多重免疫组化(mIHC)等多组学数据,刻画前驱病变发展过程中多种免疫细胞的动态变化与瘤内异质性,旨在挖掘潜在治疗靶点

geo
浏览 1
基因组分类GPL246769606
GSE164789: Single-cell transcriptomics of precursor lung adenocarcinoma reveals intratumoral heterogeneity and shifting immune network

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-11-07

资源简介

前驱肺腺癌单细胞转录组揭示瘤内异质性与免疫网络变化

Single-cell transcriptomics of precursor lung adenocarcinoma reveals intratumoral heterogeneity and shifting immune network

该数据集来自 NCBI GEO(GSE164789),聚焦前驱肺腺癌的单细胞图谱。研究整合单细胞 RNA 转录组、单细胞 T 细胞受体(scTCR)、全外显子测序与多重免疫组化(mIHC)等多组学数据,刻画前驱病变发展过程中多种免疫细胞的动态变化与瘤内异质性,旨在挖掘潜在治疗靶点。数据可用于前驱肺腺癌免疫微环境研究、细胞类型与状态分类及相关机制探索(来源 NCBI)。

【数据集背景】

源站首次发布:Jan 13 202。

【数据内容】

源站描述(机器翻译,仅供参考):我们开展了多组学分析,包括单细胞 RNA 转录组、单细胞 T 细胞受体(scTCR)、全外显子测序和多重免疫组化(mIHC),以解析前驱肺腺癌的单细胞图谱以及前驱病变发展过程中多种免疫细胞的机制,希望挖掘潜在的治疗靶点。

【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。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE164789

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

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE164789

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

我们开展了一项多组学分析,包括单细胞RNA转录组、单细胞T细胞受体(scTCR)、全外显子组测序以及多重免疫组化(mIHC),以解析肺腺癌前驱病变的单细胞图谱,并阐明前驱病变发展过程中多种免疫细胞的作用机制,旨在挖掘潜在的治疗靶点。

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。