激光捕获显微切割联合RNAseq表征人皮肤黑素细胞肿瘤基质特异性重编程
该数据集来自 NCBI GEO，采用激光捕获显微切割（LCM）从福尔马林固定石蜡包埋（FFPE）组织切片中分离正常皮肤（18 例）、良性皮肤痣（10 例）和皮肤黑色素瘤（20 例）的基质区域，避免表皮、黑素细胞和肿瘤细胞污染，并对部分病例匹配的表皮和肿瘤区域进行显微切割比较
基本信息
资源简介
激光捕获显微切割联合RNAseq表征人皮肤黑素细胞肿瘤基质特异性重编程
Characterisation of stromal-specific reprogramming in human cutaneous melanocytic neoplasms using laser-capture microdissection coupled with RNAseq
该数据集来自 NCBI GEO，采用激光捕获显微切割（LCM）从福尔马林固定石蜡包埋（FFPE）组织切片中分离正常皮肤（18 例）、良性皮肤痣（10 例）和皮肤黑色素瘤（20 例）的基质区域，避免表皮、黑素细胞和肿瘤细胞污染，并对部分病例匹配的表皮和肿瘤区域进行显微切割比较。对显微切割的 FFPE 材料提取 RNA 后，使用 Illumina NovaSeq 6000 进行单端 100 bp RNA 测序。数据可用于识别从正常组织到良性痣再到恶性黑色素瘤转变过程中保守的基质转录变化（来源 NCBI）。
【数据集背景】
源站首次发布：Aug 05 202。
【数据内容】
源站描述（机器翻译，仅供参考）：癌症相关基质在黑素细胞肿瘤中起着关键但尚未被充分表征的作用。为了定义从正常组织到良性痣再到恶性黑色素瘤转变过程中的基质转录变化，使用激光捕获显微切割（LCM）从正常皮肤（n=18 例患者）、良性皮肤痣（n=10 例患者）、皮肤黑色素瘤（n=20 例患者）的存档福尔马林固定、石蜡包埋（FFPE）组织切片中选择性分离基质区域，避免来自表皮、黑素细胞和肿瘤细胞区室的污染。在存在的情况下，来自同一患者的匹配表皮和肿瘤区域也被显微切割用于比较。从显微切割的 FFPE 材料中提取 RNA，并通过单端 RNA 测序（Illumina NovaSeq 6000，100 bp）进行测序。该数据集能够识别保守的基质转录变化。
【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/皮肤癌。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE342591
【使用注意】
· 源站最后修改于 Sep 01 202，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=GSE342591
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
癌症相关间质在黑色素细胞肿瘤中发挥着关键但尚未被充分表征的作用。为明确从正常组织到良性痣再到恶性黑色素瘤转变过程中的间质转录变化，采用激光捕获显微切割（LCM）从正常皮肤（n=18例患者）、良性皮肤痣（n=10例患者）、皮肤黑色素瘤（n=20例患者）的存档福尔马林固定、石蜡包埋（FFPE）组织切片中选择性分离间质区域，避免表皮、黑色素细胞和肿瘤细胞区域的污染。在存在的情况下，同一患者的匹配表皮和肿瘤区域也被显微切割用于比较。从显微切割的FFPE材料中提取RNA，并通过单端RNA测序（Illumina NovaSeq 6000，100 bp）进行测序。该数据集能够识别在皮肤黑色素细胞恶性肿瘤谱系中保守的间质转录变化。
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。
