创伤后人类周围神经空间转录组数据集
该数据集为人类周围神经的空间转录组数据,包含一个相对正常的神经样本和一个伤后两周采集的损伤神经样本。数据包括原始测序文件、空间表达矩阵、样本元数据和已处理分析文件,可用于研究损伤周围神经的细胞组织、免疫反应及细胞外基质等空间分子特征,并可能支持神经病理性疼痛与创伤性神经瘤相关研究(来源 DOI 解析

基本信息
资源简介
创伤后人类周围神经空间转录组数据集
Spatial transcriptomic dataset of human peripheral nerve following traumatic injury
该数据集为人类周围神经的空间转录组数据,包含一个相对正常的神经样本和一个伤后两周采集的损伤神经样本。空间转录组文库使用 CelAtlas Spatial 平台构建,并在 GeneMind SURFSeq 5000 平台测序。数据包括原始测序文件、空间表达矩阵、样本元数据和已处理分析文件,可用于研究损伤周围神经的细胞组织、免疫反应及细胞外基质等空间分子特征,并可能支持神经病理性疼痛与创伤性神经瘤相关研究(来源 DOI 解析,Creative Commons Attribution 4.0 International 许可)。
【数据集背景】
源站首次发布:2026。
【数据内容】
源站描述(机器翻译,仅供参考):创伤性周围神经损伤常导致再生异常和创伤性神经瘤,进而引起持续性神经病理性疼痛。然而,人类损伤周围神经的空间分辨分子特征仍表征不足。在此,我们生成了来自人类周围神经的空间转录组数据集,包括一个相对正常的神经样本和一个伤后两周采集的损伤神经样本。空间转录组文库使用 CelAtlas Spatial 平台构建,并使用 GeneMind SURFSeq 5000 平台测序。该数据集包括原始测序文件、空间表达矩阵、样本元数据和已处理分析文件。该资源提供了人类损伤周围神经的空间分子图谱,并可能支持对细胞组织、免疫反应、细胞外基质等的研究。
【主题与分类】
主题标签:Neurology、Spatial transcriptomics、peripheral nerve injury、human、neuropathic pain、neuroma。本站分类:神经系统疾病。
【获取与许可】
源站页面:https://www.scidb.cn/detail?dataSetId=478a8eb9a2a6407c9e0133fc6f6d37f0
使用许可:Creative Commons Attribution 4.0 International。
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://doi.org/10.57760/sciencedb.011wo
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
创伤性周围神经损伤常导致异常再生和创伤性神经瘤,进而引起持续性神经病理性疼痛。然而,人类损伤周围神经的空间分辨分子特征仍未被充分表征。在此,我们构建了人类周围神经的空间转录组数据集,包括一份相对正常的神经样本和一份伤后两周采集的损伤神经样本。空间转录组文库使用CelAtlas Spatial平台构建,并使用GeneMind SURFSeq 5000平台测序。该数据集包括原始测序文件、空间表达矩阵、样本元数据和处理后的分析文件。该资源提供了人类损伤周围神经的空间分子图谱,或可支持对细胞组织、免疫反应、细胞外基质重塑以及与周围神经损伤、创伤性神经瘤形成和神经病理性疼痛相关的分子改变的研究。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




