GSE305752:单细胞分析揭示无Matrigel患者来源类器官中保留的前列腺癌谱系及普遍改变的通路
该数据集来自NCBI GEO,包含1个文件(GSE305752_series_matrix.txt.gz),主题为肿瘤/前列腺癌,采用高通量测序进行表达谱分析

基本信息
资源简介
GSE305752:单细胞分析揭示无Matrigel患者来源类器官中保留的前列腺癌谱系及普遍改变的通路
Single-cell analysis uncovers preserved prostate cancer lineages and universally altered pathways in Matrigel-free patient-derived organoids
该数据集来自NCBI GEO,包含1个文件(GSE305752_series_matrix.txt.gz),主题为肿瘤/前列腺癌,采用高通量测序进行表达谱分析。源站描述指出,研究利用单细胞RNA测序比较无Matrigel与Matrigel培养的患者来源类器官,发现无Matrigel条件能保留患者特异性前列腺癌细胞并富集中间细胞,而Matrigel则产生与患者样本不同的基底样细胞。数据可用于研究类器官培养条件对细胞类型的影响、识别肿瘤与其他细胞类型的区分标志物,以及整合已有数据集构建前列腺类器官资源(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):患者来源类器官(PDOs)在前列腺癌(PCa)研究中的应用一直受到低成功率与良性过度生长的阻碍。我们强调了现有培养条件的局限性,并确定细胞外基质(ECM)组成是类器官结果的决定因素。单细胞RNA测序(scRNA-seq)揭示,无Matrigel的PDOs保留了具有活跃AR信号的患者特异性PCa细胞,并富集中间细胞。相比之下,Matrigel无法维持原代PCa细胞,并产生与患者样本不同的体外基底样细胞。此外,我们重新定义了细胞类型特征,识别了区分肿瘤与所有其他细胞类型的生物标志物,并表明层粘连蛋白结合整合素的表达是Matrigel来源类器官的标志。最后,将先前发表的数据集与我们的数据整合,我们生成了一个前列腺PDO
【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/前列腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE305752
【使用注意】
· 源站最后修改于 Oct 15 202,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE305752
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
患者来源类器官(PDOs)在前列腺癌(PCa)研究中的应用一直受限于较低的建成率和良性细胞过度生长。我们强调了现有培养条件的局限性,并确定细胞外基质(ECM)组成是决定类器官结果的关键因素。单细胞RNA测序(scRNA-seq)显示,无Matrigel的PDOs保留了具有活跃AR信号的患者特异性PCa细胞,并富集中间型细胞。相比之下,Matrigel无法维持原代PCa细胞,并产生与患者样本不同的体外基底样细胞。此外,我们重新定义了细胞类型特征,鉴定了区分肿瘤与其他所有细胞类型的生物标志物,并表明层粘连蛋白结合整合素的表达是Matrigel来源类器官的标志。最后,将先前发表的数据集与我们的数据整合,我们生成了前列腺PDO单细胞图谱(PPScA)。PPScA捕获了一系列细胞身份,并揭示了在体外普遍改变的通路。我们的研究为短期培养提供了方法学改进,并提供了细胞生物学见解。
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。




