PRJNA1249470:基于Nanostring的黑色素瘤淋巴结转移基因表达谱

本数据集来自NCBI,采用Nanostring nCounter平台对黑色素瘤淋巴结转移样本进行基因表达谱分析,样本涵盖未治疗、免疫检查点抑制剂(ICI)耐药和应答患者

sra
浏览 11
基因组分类Transcriptome or Gene expression
PRJNA1249470: Nanostring-Based Gene Expression Profiling of Melanoma Lymph Node Metastases

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-22

资源简介

PRJNA1249470:基于Nanostring的黑色素瘤淋巴结转移基因表达谱

本数据集来自NCBI,采用Nanostring nCounter平台对黑色素瘤淋巴结转移样本进行基因表达谱分析,样本涵盖未治疗、免疫检查点抑制剂(ICI)耐药和应答患者。研究使用PanCancer Immune Profiling Panel和定制TRM T细胞panel评估免疫细胞组成与活化状态,揭示与ICI应答相关的转录特征,包括应答者中TRM相关基因和干扰素刺激通路的富集及耐药肿瘤的免疫抑制特征,可用于探索肿瘤驻留T细胞和肿瘤免疫微环境在免疫治疗应答中的作用(来源 ncbi.nlm.nih.gov)。

【数据内容】

源站描述(机器翻译,仅供参考):本研究使用Nanostring nCounter平台研究转移性黑色素瘤淋巴结样本中的基因表达谱。样本来自未接受治疗、对免疫检查点抑制剂(ICI)治疗耐药或应答的患者。我们应用PanCancer Immune Profiling Panel和定制的组织驻留记忆(TRM)T细胞panel来评估免疫细胞组成和活化状态。该数据集揭示了与ICI应答相关的转录特征,包括应答者中TRM相关基因和干扰素刺激通路的富集,以及耐药肿瘤中的免疫抑制特征。这些数据为肿瘤驻留T细胞和肿瘤免疫微环境在塑造免疫治疗应答中的作用提供了见解。

【主题与分类】

主题标签:Transcriptome or Gene expression。本站分类:肿瘤/皮肤癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1249470

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

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/bioproject/PRJNA1249470

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

本研究利用Nanostring nCounter平台,探究了转移性黑色素瘤淋巴结样本中的基因表达谱。样本来自未经治疗、对免疫检查点抑制剂(ICI)治疗耐药或应答的患者。我们应用了PanCancer免疫分析面板和定制的组织驻留记忆(TRM)T细胞面板,以评估免疫细胞组成及活化状态。数据集揭示了与ICI应答相关的转录特征,包括应答者中TRM相关基因和干扰素刺激通路的富集,以及耐药肿瘤中的免疫抑制特征。这些数据为了解肿瘤驻留T细胞及肿瘤免疫微环境在塑造免疫治疗应答中的作用提供了见解。

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。

获取专属数据定制方案