巨噬细胞特异性抑制NF-κB活化损害泡沫细胞存活
研究通过表达谱芯片分析巨噬细胞特异性抑制NF-κB活化对泡沫细胞存活的影响,涉及THP-1单核细胞系过表达不可降解的IκBα突变体

基本信息
资源简介
巨噬细胞特异性抑制NF-κB活化损害泡沫细胞存活
Macrophage-specific inhibition of NF-κB activation impairs foam cell survival
该数据集来自NCBI GEO,包含1个文件(GSE12434_series_matrix.txt.gz),主题为心血管系统疾病/动脉粥样硬化。研究通过表达谱芯片分析巨噬细胞特异性抑制NF-κB活化对泡沫细胞存活的影响,涉及THP-1单核细胞系过表达不可降解的IκBα突变体。数据可用于探索NF-κB依赖基因在泡沫细胞形成中的作用及动脉粥样硬化斑块不稳定机制(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 13 200。
【数据内容】
源站描述(机器翻译,仅供参考):晚期动脉粥样硬化病变中的巨噬细胞死亡是良性病变向易损斑块转化的关键事件。核因子κB(NF-κB)已被证明在细胞死亡/存活中起关键作用的转录因子之一。然而,这一关键转录因子对巨噬细胞源性泡沫细胞存活的相关性尚未在分子水平上得到明确解决。在巨噬细胞特异性SR-A启动子控制下,通过过表达显性失活、不可降解形式的IκBα(IκBα(32A/36A))特异性抑制NF-κB活化,构建了THP-1单核细胞系。在泡沫细胞形成过程中,NF-κB抑制导致的脂质负载减少伴随细胞死亡增加。建立了泡沫细胞形成过程中NF-κB依赖基因的全基因组表达谱,显示广泛影响
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:Expression profiling by array、GPL4868、9606。本站分类:心血管系统疾病/动脉粥样硬化。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE12434
【使用注意】
· 源站最后修改于 Jan 18 201,引用时请注意版本时效。
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://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE12434
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
巨噬细胞死亡在晚期动脉粥样硬化病变向易损斑块转变过程中是关键事件。已被证实对细胞死亡/存活起关键作用的转录因子之一是核因子κB(NF-κB)。然而,这一关键转录因子与巨噬细胞源性泡沫细胞存活的相关性在分子水平上尚未得到明确阐明。研究人员构建了THP-1单核细胞系,在巨噬细胞特异性SR-A启动子控制下,通过过表达显性失活、不可降解形式的IκBα(IκBα 32A/36A)特异性抑制NF-κB活化。在泡沫细胞形成过程中抑制NF-κB时,脂质负载减少,同时伴有细胞死亡增加。研究建立了泡沫细胞形成过程中NF-κB依赖性基因的全基因组表达谱,显示其对巨噬细胞转录组具有广泛影响。通过独立技术鉴定并验证的三个最大的功能基因簇分别涉及脂质代谢、细胞凋亡和氧化应激。
在脂质负载过程中,NF-κB活化受到抑制所引发的这些复杂基因表达变化的最终结果是,通过caspase依赖性凋亡减少了泡沫细胞的存活。因此,NF-κB依赖性基因群似乎在病理性脂质负载过程中对于维持巨噬细胞的持续存活至关重要。关键词:遗传修饰,脂质负载,时间进程
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。




