COL10A1表达区分高危基底细胞癌间质中部分癌症相关成纤维细胞
该数据集来自omicsdi.org,属于肿瘤/皮肤癌分类,主题为转录组学。源站描述聚焦基底细胞癌(BCC)不同形态亚型与复发、侵袭风险的关系,提出肿瘤微环境尤其是癌症相关成纤维细胞及其分泌因子可能影响BCC发生、生长和侵袭潜能

基本信息
资源简介
COL10A1表达区分高危基底细胞癌间质中部分癌症相关成纤维细胞
该数据集来自omicsdi.org,属于肿瘤/皮肤癌分类,主题为转录组学。源站描述聚焦基底细胞癌(BCC)不同形态亚型与复发、侵袭风险的关系,提出肿瘤微环境尤其是癌症相关成纤维细胞及其分泌因子可能影响BCC发生、生长和侵袭潜能。研究采用激光捕获显微切割(LCM)结合RNA测序,对来自5个不同“p”的15例BCC样本进行间质特征分析,重点刻画CAF群体。数据可用于探索BCC亚型间质差异及CAF相关分子特征(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):基底细胞癌(BCC)是最常被诊断的皮肤癌,也是人类最常见的恶性肿瘤。不同形态学亚型的BCC与低或高复发风险和侵袭性相关,但各个亚型如何发生的潜在生物学机制仍很大程度上未知。由于大多数BCC似乎起源于相同通路中的突变,我们假设BCC的发生、生长和侵袭潜能也受到肿瘤微环境的影响,特别是受癌症相关成纤维细胞(CAF)及其分泌因子的影响。在这项工作中,我们旨在表征不同BCC亚型的间质,重点关注CAF群体。为了研究不同BCC亚型的间质特征,我们应用了激光捕获显微切割(LCM)随后进行RNA测序。一个由来自5个不同“p”的15例BCC样本组成的队列
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/geo/GSE269601
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://omicsdi.org/dataset/geo/GSE269601
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
基底细胞癌(BCC)是诊断最常见的皮肤癌,也是人类最常见的恶性肿瘤。不同形态学亚型的BCC与低或高复发风险和侵袭性相关,但各个亚型如何发生的潜在生物学机制在很大程度上仍不清楚。由于大多数BCC似乎源于同一信号通路的突变,我们假设BCC的发生、生长和侵袭潜能也受肿瘤微环境的影响,特别是受癌相关成纤维细胞(CAFs)及其分泌因子的影响。在本研究中,我们旨在表征不同BCC亚型的间质特征,重点关注CAF群体。为探究不同BCC亚型的间质特征,我们采用激光捕获显微切割(LCM)结合RNA测序。我们选取了来自5种不同“纯”亚型(浅表型、结节型、微结节型、硬化型和基底鳞状型;各n=3)的15例BCC样本队列纳入分析。健康皮肤作为对照(n=6)。我们显示不同BCC亚型的间质具有不同的基因表达特征。
结节型和微结节型的特征似乎最为相似,而浅表型和硬化型的差异最大。通过比较低风险和高风险BCC亚型,我们观察到Collagen 10A1(COL10A1)在硬化型/浸润型和基底鳞状型高风险亚型的基质中过表达,但在微结节型中不过表达。这些发现通过免疫组织化学在包含89例不同BCC和13例健康皮肤样本的队列中得到证实。此外,对两个独立数据集中BCC的scRNAseq分析显示,表达COL10A1的细胞群体与浸润性BCC邻近的基质相关,并表现出细胞外基质重塑的特征。
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。




