来自 lungNENomics 队列的肺神经内分泌肿瘤多组学、空间组学及全切片图像数据集

内容形式：摘要译文

肺神经内分泌肿瘤（肺NET）是罕见肿瘤，约占肺癌的2%。近期研究基于转录组和甲基组数据鉴定出了不同的分子群组，但由于全基因组和影像学数据有限，其基因组学和形态学特征仍缺乏深入研究。我们构建了迄今规模最大的肺NET多组学数据集（201名参与者，共294个肿瘤样本），其中包括RNA测序、EPIC 850K甲基化芯片和全基因组测序。该多组学数据集还包括41名参与者的多区域全基因组测序数据，从而能够对肿瘤内异质性进行定量分析。此外，我们还生成了64名参与者的空间蛋白质组学数据、4名参与者的空间转录组学数据，以及212例样本的全切片组织病理学图像。该数据集能够全面表征肺NET分子群组，并利用深度学习算法识别群组特异性的形态学特征。为确保研究结果的可重复性，我们提供了所有质量控制分析、处理后的数据以及相关脚本。该数据集可作为进一步开展肺NET分子和形态学分析的基础，并可用于未来的多尺度整合研究。

关键词：肺神经内分泌肿瘤 · 多组学数据集 · 空间组学 · 全基因组测序 · 肿瘤内异质性 · 数字病理学

原文链接：https://www.biorxiv.org/content/10.64898/2026.05.12.724489v1?rss=1