间质性肺病（ILD）亚型的单细胞RNA测序分析
ILD 肺样本涵盖 IPF 及其他类型肺纤维化，如 sarcoidosis、结缔组织病相关 ILD、特发性非特异性间质性肺炎等
基本信息
资源简介
间质性肺病（ILD）亚型的单细胞RNA测序分析
该数据集来自 cellxgene.cziscience.com，包含 114 名个体的 scRNA-seq 图谱，其中 66 人（58%）患有 ILD，48 人（42%）为未受影响供者。ILD 肺样本涵盖 IPF 及其他类型肺纤维化，如 sarcoidosis、结缔组织病相关 ILD、特发性非特异性间质性肺炎等。组织为肺，检测平台为 10x 5' v1 与 10x 5' v2。数据可用于 ILD 亚型分类、疾病相关细胞状态与分子特征研究（来源 cellxgene.cziscience.com）。
【数据内容】
源站描述（机器翻译，仅供参考）：114 名个体的 scRNA-seq 图谱，包括 66 名（58%）ILD 患者和 48 名（42%）未受影响供者。ILD 肺样本包括来自 39 名 IPF 患者和 27 名其他形式肺纤维化患者的样本，包括 sarcoidosis（n = 4）、结缔组织病相关 ILD（n = 3）、特发性非特异性间质性肺炎（n = 3）、煤工尘肺（n = 3）、慢性过敏性肺炎（n = 2）、具有自身免疫特征的间质性肺炎（n = 2）和无法分类的 ILD（n = 10）。大多数（67%）肺样本来自自我报告族裔为欧洲血统的个体；53 人（46%）报告过去或现在使用烟草。疾病：anthracosis、过敏性肺炎、间质性肺病、淋巴性间质性肺炎、非特异性间质性肺炎、正常、肺 sarcoidosis。组织：肺。检测：10x 5' v1、10x 5' v2。单细胞
【主题与分类】
主题标签：anthracosis、hypersensitivity pneumonitis、interstitial lung disease、lymphoid interstitial pneumonia、non-specific interstitial pneumonia、normal、pulmonary sarcoidosis。本站分类：呼吸系统疾病/肺炎。
【获取与许可】
源站页面：https://cellxgene.cziscience.com/collections/07e12576-b41b-4350-adfc-059bfc4328ea
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://cellxgene.cziscience.com/collections/07e12576-b41b-4350-adfc-059bfc4328ea
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
114个个体的scRNA-seq图谱，其中66例（58%）患有ILD，48例（42%）为未受影响的供体。ILD肺样本包括39例IPF患者和27例其他形式的肺纤维化患者，包括结节病（n = 4）、结缔组织病相关ILD（n = 3）、特发性非特异性间质性肺炎（n = 3）、煤工尘肺（n = 3）、慢性过敏性肺炎（n = 2）、具有自身免疫特征的间质性肺炎（n = 2）以及无法分类的ILD（n = 10）。大多数（67%）肺样本来自自我报告族裔为欧洲血统的个体；53例（46%）报告有过去或现在的烟草使用史。疾病：炭末沉着症、过敏性肺炎、间质性肺病、淋巴性间质性肺炎、非特异性间质性肺炎、正常、肺结节病。组织：肺。检测方法：10x 5‘ v1、10x 5’ v2。单细胞数据集（CZ CELLxGENE）。
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。
