多模态皮肤图谱揭示特应性皮炎中与角化异常及特定T细胞扩增相关的多细胞免疫-基质群落
该数据集来自cellxgene.cziscience.com,为特应性皮炎(AD)皮肤组织的多模态单细胞图谱。研究整合了17名成人(含11名AD患者)全层皮肤样本的280,518个细胞,并与四项既往研究的430,186个细胞图谱合并,构建了全面的人类皮肤细胞图谱

基本信息
资源简介
多模态皮肤图谱揭示特应性皮炎中与角化异常及特定T细胞扩增相关的多细胞免疫-基质群落
该数据集来自cellxgene.cziscience.com,为特应性皮炎(AD)皮肤组织的多模态单细胞图谱。研究整合了17名成人(含11名AD患者)全层皮肤样本的280,518个细胞,并与四项既往研究的430,186个细胞图谱合并,构建了全面的人类皮肤细胞图谱。数据覆盖角质形成细胞分化、免疫与基质细胞群落及克隆扩增T细胞等,可用于研究AD中角化异常、细胞间反馈环路及免疫微环境,支持皮肤疾病机制探索与细胞类型注释(来源 cellxgene.cziscience.com)。
【数据内容】
源站描述(机器翻译,仅供参考):在特应性皮炎(AD)中,皮肤屏障与免疫功能障碍导致慢性组织炎症,但我们对组织生态系统的理解仍不完整。在此,我们生成了来自17名成人(包括11名AD患者)全层皮肤组织样本的280,518个细胞的多模态普查,并将其与来自四项既往研究的430,186个细胞图谱整合,形成全面的人类皮肤细胞图谱。对角质形成细胞分化的重建揭示了AD中角化异常,这与来自免疫和基质多细胞群落的信号相关——该群落包括MMP12+和迁移性树突状细胞(DC)、循环固有淋巴细胞(ILC)、自然杀伤细胞、炎症性CCL19+ IL4I1+成纤维细胞,以及通过预测影响群落组装的细胞间反馈环路连接的克隆扩增IL13+IL22+IL26+ T细胞。来自该群落的亚群,连同disru
【主题与分类】
主题标签:atopic eczema、normal。本站分类:皮肤疾病。
【获取与许可】
源站页面:https://cellxgene.cziscience.com/collections/5e143645-177c-45b6-952d-48770e29a54b
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://cellxgene.cziscience.com/collections/5e143645-177c-45b6-952d-48770e29a54b
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
在特应性皮炎(AD)中,皮肤屏障与免疫功能障碍导致慢性组织炎症,然而我们对组织生态系统的理解仍不完整。在此,我们构建了一个多模态细胞普查,涵盖来自17名成人(包括11名AD患者)全层皮肤组织样本的280,518个细胞,并将其与来自四项先前研究的430,186个细胞图谱整合,形成全面的人类皮肤细胞图谱。通过重建角质形成细胞分化过程,揭示了AD中角质化过程受损,这与来自免疫和基质多细胞群落的信号相关——该群落包括MMP12+和迁移性树突状细胞(DCs)、循环固有淋巴细胞(ILC)、自然杀伤细胞、炎症性CCL19+IL4I1+成纤维细胞,以及通过细胞间反馈回路相连、预计影响群落组装的克隆扩增IL13+IL22+IL26+ T细胞。该群落中的亚群,连同受损的角质化角质形成细胞,在GWAS中富集,提示这一通讯网络的功能障碍可能触发AD。我们的工作突显了慢性皮肤炎症中与疾病相关的细胞亚群及相互作用。疾病:特应性湿疹,正常。组织:体表皮肤。
检测方法:10x 3’ v2,10x 3’ v3。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。
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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




