唾液腺癌类器官与患者来源异种移植模型的建立
PRJDB10974 是一项以涎腺（唾液腺）癌为研究对象的数据集，内容围绕涎腺癌类器官（即细胞系）以及患者来源异种移植（Patient-derived xenograft，PDX）模型的建立而展开；该数据集在来源站点 ebi.ac.uk 上发布，在本站被归入“肿瘤 / 其他”分类之下
基本信息
资源简介
唾液腺癌类器官与患者来源异种移植模型的建立
PRJDB10974 是一项以涎腺（唾液腺）癌为研究对象的数据集，内容围绕涎腺癌类器官（即细胞系）以及患者来源异种移植（Patient-derived xenograft，PDX）模型的建立而展开；该数据集在来源站点 ebi.ac.uk 上发布，在本站被归入“肿瘤 / 其他”分类之下。
【数据集背景】
涎腺癌是一类起源于唾液腺组织的恶性肿瘤，其组织学类型复杂多样，不同亚型在生物学行为、临床进程与治疗反应上差异明显。该数据集所涉及的模型建立工作覆盖了若干具有代表性的亚型，包括腺样囊性癌（adenoid cystic carcinoma）、涎腺导管癌（salivary duct carcinoma）、肌上皮癌（myoepithelial carcinoma）以及黏液表皮样癌（mucoepidermoid carcinoma）。这些亚型在临床上相对少见，可供研究的实验模型较为有限，因此围绕它们构建可稳定使用的体外与体内模型，通常被视为推动相关基础研究与转化研究的重要环节。数据集的标题明确指向“建立”这一过程，说明其核心价值在于提供由患者肿瘤组织衍生而来的模型资源，而非单纯的组学测量结果。
【数据内容】
依据来源站点的描述，本数据集涵盖的内容为涎腺癌的类器官（以细胞系形式存在）以及患者来源异种移植模型，涉及上述腺样囊性癌、涎腺导管癌、肌上皮癌和黏液表皮样癌等亚型。关于模型的具体数量、所对应的患者例数、是否附带分子层面或病理层面的配套数据、模型的传代与鉴定信息等，源站未提供。
【采集与来源】
该数据集来源于 ebi.ac.uk。数据集的英文名称为“PRJDB10974: Establishment of salivary gland cancer organoids and Patient-derived xenograft models”，其中 PRJDB10974 为该项收录的标识符。关于样本的具体采集机构、采集时间、伦理审批信息、建库与建模的实验流程等细节，源站未提供。
【适用场景】
类器官与患者来源异种移植模型在肿瘤研究中一般被用于贴近患者肿瘤特征的实验体系，例如肿瘤生物学机制探索、药物敏感性评估以及治疗策略的临床前验证等。就本数据集而言，其面向的对象是涎腺癌这一肿瘤类别，覆盖腺样囊性癌、涎腺导管癌、肌上皮癌和黏液表皮样癌等亚型，因此可能适用于围绕这些亚型开展的模型相关研究。需要说明的是，以上仅为该类模型通常的用途方向；本数据集具体支持哪些分析场景、是否附带可直接用于特定分析的配套数据，源站未提供。
【使用方法】
关于该数据集的获取途径、文件组织方式、数据格式、下载与使用步骤、以及是否提供配套的元数据说明文档等，源站未提供。
【质量与限制】
关于模型的鉴定与验证情况、数据的完整性与一致性评估、样本量规模、是否存在技术偏差或覆盖范围上的局限等，源站未提供。使用者在将该数据集用于研究前，宜自行核实其内容与适用范围。
【引用与许可】
关于该数据集的引用方式、文献出处、许可条款与使用限制等，源站未提供。
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://ebi.ac.uk/ena/browser/view/PRJDB10974
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
唾液腺癌类器官（细胞系）和患者来源异种移植模型的建立，例如腺样囊性癌、唾液腺导管癌、肌上皮癌和黏液表皮样癌。
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。
