PRJNA1462718:解析循环中候选肿瘤-白细胞杂交细胞的基因组身份 [DNA]
BioProject 记录汇集了由单一机构或联盟发起的同一项研究计划所产生的多种生物数据,并提供统一入口以链接该项目生成的不同数据类型
![PRJNA1462718: Decoding the genomic identity of candidate tumor-leukocyte hybrid cells in circulation [DNA]](/medical-api/medicalDataset/datasetCover/84801.jpg)
基本信息
资源简介
PRJNA1462718:解析循环中候选肿瘤-白细胞杂交细胞的基因组身份 [DNA]
Decoding the genomic identity of candidate tumor-l... (ID 1462718) - BioProject - NCBI
该数据集来自 NCBI BioProject(ID 1462718),英文名为 PRJNA1462718: Decoding the genomic identity of candidate tumor-leukocyte hybrid cells in circulation [DNA],本站归类为肿瘤 / 皮肤癌。BioProject 记录汇集了由单一机构或联盟发起的同一项研究计划所产生的多种生物数据,并提供统一入口以链接该项目生成的不同数据类型。该数据集围绕循环中候选肿瘤-白细胞杂交细胞的基因组身份解析,涉及 DNA 层面数据,可用于探索这类杂交细胞的基因组特征及相关肿瘤研究(来源 NCBI)。
【数据内容】
源站描述(机器翻译,仅供参考):BioProject 是汇集与单一研究计划相关的生物数据的集合,该计划源自单一组织或联盟。BioProject 记录为用户提供一个统一的位置,以查找为该计划生成的各种数据类型所对应的链接。
【主题与分类】
主题标签:Other。本站分类:肿瘤/皮肤癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1462718
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/PRJNA1462718
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
循环肿瘤细胞(CTC)与白细胞(WBC)融合被认为可产生具有致癌特性和转移潜能的杂交细胞。然而,现有证据依赖于染色,缺乏分子谱分析,其发生率、真实身份以及免疫样特征的程度仍不清楚。为解决这一问题,我们建立了一种小鼠黑色素瘤模型,在癌细胞和宿主细胞中引入不同的荧光标记,从而能够分离双阳性(DP)细胞作为融合候选细胞。我们利用成像流式细胞术(imaging FACS)观察细胞质融合情况,并结合单细胞全基因组和转录组联合分析来检测肿瘤或宿主特异性基因组变异及基因表达谱,从而对这些细胞进行表征。在500个已分析的DP细胞中,我们未发现明确的融合事件证据。仅肺转移灶中的两个细胞同时表现出巨噬细胞和肿瘤特征,这与潜在融合一致,但也与吞噬作用的早期阶段相符。其余DP细胞源于非融合机制:在肿瘤中,它们主要是吞噬了肿瘤物质的巨噬细胞;而在循环中,它们对应于被血小板包被的CTC。
黑色素瘤患者的循环肿瘤细胞也表现出明显的血小板包被,导致核糖体和蛋白质翻译减少,以及两个物种中血小板活化和细胞黏附增加。总体而言,我们得出结论:双阳性细胞已可通过简约的生物学机制解释,无需涉及融合。
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。




