<?xml version="1.0" encoding="UTF-8"?>
<rss version="2.0" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <atom:link rel="self" type="application/rss+xml" href="https://researchdata.se/sv/catalogue/search.rss?subject=30113"/>
    <link>https://researchdata.se/sv/catalogue</link>
    <title>Researchdata.se</title>
    <description>Search results</description>
    <language>sv</language>
    <item>
      <title>Longitudinell proteomik och enkelcells-transkriptomdata från P. falciparum-malaria-infekterade resenärer</title>
      <description>Omfattande plasmaproteomik och riktad single‑cell multi‑omics genererades från en longitudinell kohort av återvändande resenärer behandlade för Plasmodium falciparum-malaria. Plasma och perifera mononukleära blodceller (PBMC) samlades in från symtomatiska patienter vid Karolinska Universitetssjukhuset efter informerat samtycke och följdes med upprepade provtagningar från akut sjukdom upp till ett år efter avslutad behandling i frånvaro av reinfektion. Plasmaproteinprofilering utfördes i samarbete med Human Protein Atlas med hjälp av nästa generations affinitetsproteomik baserad på Proximity Extension Assay med NGS‑avläsning (Olink Explore 1536). Proteinmängder rapporterades som Normalized Protein eXpression (NPX, log2‑skala) efter bryggnormalisering mellan batcher. Proteiner under detektionsgränsen i mer än 70 % av proverna exkluderades, vilket resulterade i ett slutligt dataset med 1 427 plasmaproteiner.
För att identifiera potentiella cellulära källor och mål för cirkulerande proteiner utfördes riktad single‑cell multi‑omics‑profilering på PBMC från ett urval av donatorer med överlappande tidpunkter. Genuttryck av 399 immunrelaterade gener samt 29 cellyteproteiner analyserades med BD Rhapsody och AbSeq. Bibliotek sekvenserades på en NovaSeq 6000‑plattform och bearbetades med BD Targeted Analysis Pipeline, och nedströmsanalyser genomfördes i R med Seurat. Dessutom återanalyserades ett publikt tillgängligt scRNA‑seq‑dataset från en oberoende malariakohort för att validera och utvidga resultaten. Integrerade analyser av proteomik‑ och single‑cell‑data användes för att stratifiera patienter i undergrupper associerade med sjukdomens svårighetsgrad.
Datasetet består av två datamodaliteter:

Plasmaproteomik: Olink‑NPX‑värden för 132 prover över 1 427 proteiner
PBMC single‑cell multi‑omics: riktade genuttrycks‑ och AbSeq‑proteindata från 12 prover

Delar av plasmaproteomikdatan finns tillgängliga i aggregerad form via Human Protein Atlas (Disease Atlas). En interaktiv Shiny‑applikation åtföljer den tillhörande publikationen (Lautenbach et al., Immunity, 2025) och möjliggör utforskande dataanalys.

Datasetet består av 2 filer:
Del1: Plasma proteomics (Olink PEA with NGS readout - Explore 1536) 
Fil: Plasma_proteomics/Explore1536_tidy_long.rds (709 kB)

Del 2: Targeted single-cell transcriptomics data (BD Rhapsody scRNA‑seq + AbSeq)
- Seurat object
Fil: MalariaTraveler_RhapsodyAbSeq_Cell_Calling_qc_cca_wnn_clustering_annotated_clean.rds (507.2 MB)</description>
      <pubDate>Mon, 16 Feb 2026 10:05:06 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2026-4</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2026-4</guid>
      <dc:publisher>Karolinska Institutet</dc:publisher>
      <dc:creator>Maximilian Julius Lautenbach</dc:creator>
      <dc:creator>Christopher Sundling</dc:creator>
      <dc:creator>Anna Färnert</dc:creator>
    </item>
    <item>
      <title>Data för: A Morphology-Based Machine Learning Model for Scoring Epithelial-Mesenchymal Plasticity using Organelle Dynamics</title>
      <description>Project Description: 
This project is aimed at modelling dynamic organelle morphology changes in a cellular model of epithelial-mesenchymal transition (EMT). EMT is a developmental process, which is re-activated in cancer and promotes invasion, metastasis and resistance to various therapies. 

The repository contains raw microscopy images (.nd2 files) and numerical data outputs of all the experiments performed on a variety of cell lines (breast cancer, lung cancer). Cells were stained with the CellPainting kit. Experiments codes are listed below. 

Categories:
Translational and applied bioinformatics; Cellular interactions (incl. adhesion, matrix, cell wall)

Numerical Data Source_wet lab + database (782.78 KB)
(1 excel file with numerical data source for MS experiments; 1 pdf file with WB uncropped membranes images)

Numerical Source Data_all CP experiments (microscopy): (14.47 GB)
-	CP015/016/018: NMuMG training set (cellprofiler outputs)
-	CP017: NMuMG reversal experiment
-	CP019:NMuMG model validation 
-	CP020: breast cancer cells
-	CP_INT_03_Normoxia: A549 Normoxia
-	CP_INT_03_Hypoxia: A549 Hypoxia

Images (.ND2 files):
-	CP015_nd2 (37.24 GB): NMuMG training set.1
-	CP016_nd2 (37.24 GB): NMuMG training set.2
-	CP018_nd2 (37.24 GB): NMuMG training set.3
-	CP017_nd2 (37.24 GB): NMuMG reversal experiment
-	CP019_nd2 (37.24 GB): NMuMG model validation 
-	CP020_nd2 (37.24 GB): breast cancer cells
-	CP_INT_03_Normoxia_nd2 (18.62 GB): A549 Normoxia
-	CP_INT_03_Hypoxia_nd2 (18.62 GB): A549 Hypoxia

Image files are in nd2 format, which is Nikon's proprietary format, but can be viewed with open source tools such as ImageJ.</description>
      <pubDate>Mon, 24 Nov 2025 09:28:30 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-306</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-306</guid>
      <dc:publisher>Karolinska Institutet</dc:publisher>
      <dc:creator>Jonas Fuxe</dc:creator>
    </item>
    <item>
      <title>Data för Solid phase capture and profiling of open chromatin by spatial ATAC</title>
      <description>Abstract from the publication
Current methods for epigenomic profiling are limited in the ability to obtain genome wide information with spatial resolution. Here we introduce spatial ATAC, a method that integrates transposase-accessible chromatin profiling in tissue sections with barcoded solid-phase capture to perform spatially resolved epigenomics. We show that spatial ATAC enables the discovery of the regulatory programs underlying spatial gene expression during mouse organogenesis, lineage differentiation and in human pathology.

Dataset description
The dataset includes spatially-resolved chromatin accessibility profiling performed on three fresh-frozen tissue sections of HER2+ breast cancer. We provide raw data in the form of fastq files, along with processed feature barcode matrices, metadata, and photomicrographs of the tissue slices. Additionally the dataset contains spatially-resolved gene expression profiling of tissue sections from the same specimen. For this too, we provide raw and processed data, along with the metadata information.
Spatial transcriptomics data were generated using 10X Genomics' Visium platform, while spatial ATAC data were created using a method introduced in our publication, which relies on an analogous workflow. Samples were sequenced on Illumina Nextseq 550 or 2000 and raw data were processed with Cell Ranger Gene Expression or ATAC-seq pipelines.</description>
      <pubDate>Wed, 15 Oct 2025 07:36:59 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-265</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-265</guid>
      <dc:publisher>Karolinska Institutet</dc:publisher>
      <dc:creator>Enric Llorens-Bobadilla</dc:creator>
      <dc:creator>Margherita Zamboni</dc:creator>
      <dc:creator>Xinsong Chen</dc:creator>
      <dc:creator>Johan Hartman</dc:creator>
    </item>
    <item>
      <title>Computational pathology annotation enhances the resolution and interpretation of breast cancer spatial transcriptomics data</title>
      <description>Proverna i datamängden är kopplade till en studie som fokuserar på att studera intratumoral heterogenitet i bröstcancer med användning av rumsliga transkriptomiska data och beräkningspatologi. Datauppsättningen innehåller 14 prover från 3 patienter (en trippelnegativ bröstcancer och två HER2-positiva bröstcancer). Flera regioner av tumören samlades in för analys. Varje prov är en tumörregion från en av patienterna.

Bibliotek för rumslig transkriptomik framställdes med användning av Visium rumsliga genuttryckskit (10x genomik). Sekvensering utfördes med hjälp av Illumina NovaSeq 6000-plattformen vid National Genomics Infrastructure, SciLifeLab i Solna, Sverige.

Datasetet består av 28 filer i fastq-format, komprimerade med GNUzip (gzip), från paired-end-RNA-sekvensering (10X Visium spatial transcriptomics). Metadata är beskrivna i filen SND_metadata.xlsx. För validering av dataintegritet finns filen md5sum.txt. Datasetets totala storlek är ungefär 300 GB.</description>
      <pubDate>Mon, 01 Sep 2025 09:42:18 GMT</pubDate>
      <link>https://researchdata.se/sv/catalogue/dataset/2025-97</link>
      <guid>https://researchdata.se/sv/catalogue/dataset/2025-97</guid>
      <dc:publisher>Karolinska Institutet</dc:publisher>
      <dc:creator>Tianyi Li</dc:creator>
      <dc:creator>Qiao Yang</dc:creator>
      <dc:creator>Balazs Acs</dc:creator>
      <dc:creator>Emmanouil G. Sifakis</dc:creator>
      <dc:creator>Hosein Toosi</dc:creator>
      <dc:creator>Camilla Engblom</dc:creator>
      <dc:creator>Kim Thrane</dc:creator>
      <dc:creator>Qirong Lin</dc:creator>
      <dc:creator>Jeff E. Mold</dc:creator>
      <dc:creator>Wenwen Sun</dc:creator>
      <dc:creator>Ceren Boyaci</dc:creator>
      <dc:creator>Sanna Steen</dc:creator>
      <dc:creator>Jonas Frisén</dc:creator>
      <dc:creator>Jens Lagergren</dc:creator>
      <dc:creator>Joakim Lundeberg</dc:creator>
      <dc:creator>Xinsong Chen</dc:creator>
      <dc:creator>Johan Hartman</dc:creator>
    </item>
  </channel>
</rss>