单细胞分析识别驱动复发性滤泡性甲状腺癌进展的ATC样细胞
该数据集包含来自甲状腺癌患者的单细胞RNA测序数据，涵盖乳头状甲状腺癌、滤泡亚型PTC、复发性滤泡性甲状腺癌和间变性甲状腺癌等多种亚型，共计46,739个细胞，并提供了补充图表以分析UBE2C基因的调控作用及代谢特征，主要用于研究甲状腺癌的进展机制、细胞异质性、分子轨迹以及潜在的治疗靶点。
基本信息
资源简介
单细胞分析识别驱动复发性滤泡性甲状腺癌进展的ATC样细胞
【数据集背景】
本数据集源站标题为《Supplementary data from: Single-cell analysis identifies ATC-like cells driving progression in relapsed follicular thyroid carcinoma》。
【数据内容】
源站原始描述：Follicular thyroid carcinoma (FTC) is prone to early distant metastasis and has a poor prognosis compared with papillary thyroid carcinoma (PTC). This study aimed to unravel the cellular and molecular mechanisms underlying FTC progression and its transformation into the aggressive anaplastic thyroid carcinoma (ATC). Through single-cell RNA sequencing (scRNA-seq) profiling of 46,739 cells from PTC, follicular variant PTC (FVPTC), relapsed FTC (RFTC), and ATC, we reconstructed a comprehensive mole…
【主题与分类】
主题标签：Anaplastic thyroid carcinoma、UBE2C、Follicular thyroid carcinoma、Cancer Metabolism、single-cell RNA sequencing。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:cdbc02a6d55431b6be68d4b1799028ebd30546a133c0aad7c8606ef31b9ed5c9
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
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
该数据集来源于一项单细胞RNA测序研究，旨在揭示滤泡性甲状腺癌（FTC）进展及向间变性甲状腺癌（ATC）转化的细胞和分子机制。数据集包含来自乳头状甲状腺癌（PTC）、滤泡亚型PTC（FVPTC）、复发性FTC（RFTC）和ATC的46,739个细胞的单细胞RNA测序数据，并提供了重建甲状腺癌进展分子轨迹的补充材料。数据内容主要包括4个补充图和3个补充表，涉及研究流程图、UBE2C基因的过表达和敲低验证、代谢组学数据质量分析以及UBE2C在FTC中的代谢调控分析。该数据集可用于甲状腺癌的分子分型、进展机制、细胞间相互作用以及潜在治疗靶点的研究。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
