GSE168844:识别协调抗肿瘤免疫的新型抗肿瘤CD4+ T细胞簇

该数据集来自NCBI GEO,包含GSE168844系列矩阵文件,基于scRNAseq无监督聚类和克隆分型,识别出由Th1/17与CCR6 SP簇构成的Th7R metacluster,其高表达IL-7受体,区别于Th1和Th17

geo
浏览 10
基因组分类GPL167919606
GSE168844: Identification of a novel antitumor CD4+ T cell cluster orchestrating antitumor immunity

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-11-04

资源简介

GSE168844:识别协调抗肿瘤免疫的新型抗肿瘤CD4+ T细胞簇

Identification of a novel antitumor CD4+ T cell cluster orchestrating antitumor immunity

该数据集来自NCBI GEO,包含GSE168844系列矩阵文件,基于scRNAseq无监督聚类和克隆分型,识别出由Th1/17与CCR6 SP簇构成的Th7R metacluster,其高表达IL-7受体,区别于Th1和Th17。数据可用于评估外周血抗肿瘤CD4+ T细胞免疫并预测免疫检查点抑制剂疗效,为新型抗肿瘤免疫治疗策略提供依据(来源 NCBI)。

【数据集背景】

源站首次发布:Mar 12 202。

【数据内容】

源站描述(机器翻译,仅供参考):基于scRNAseq的无监督聚类和克隆分型显示,Th1/17和CCR6 SP簇形成了metacluster Th7R,该簇不同于Th1或Th17,其特征是IL-7受体高表达。利用该簇评估外周血中的抗肿瘤CD4+ T细胞免疫并预测免疫检查点抑制剂的疗效,将为患者的新型抗肿瘤免疫治疗策略铺平道路。

【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:GPL16791、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=GSE168844

【使用注意】

· 源站最后修改于 Dec 22 202,引用时请注意版本时效。

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=GSE168844

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

基于scRNAseq的无监督聚类和克隆分型显示,Th1/17和CCR6 SP簇形成了元簇Th7R,该元簇不同于Th1或Th17,其特征是IL-7受体高表达。利用该簇评估外周血中的抗肿瘤CD4+ T细胞免疫并预测免疫检查点抑制剂的疗效,将为患者的新型抗肿瘤免疫治疗策略铺平道路。

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。