高效生成功能性CAR工程化小鼠巨噬细胞缓解心脏纤维化
该数据集来自NCBI GEO,包含一项关于功能性嵌合抗原受体工程化巨噬细胞(CAR-Ms)的研究。研究利用DHFR-HOXB8系统建立条件永生化小鼠单核细胞,经TMP调控HOXB8表达实现永生化与巨噬细胞分化,转录组和功能分析证实其保留原代单核/巨噬细胞身份,CAR编辑效率超过95%

基本信息
资源简介
高效生成功能性CAR工程化小鼠巨噬细胞缓解心脏纤维化
Robust and highly efficient generation of functional chimeric antigen receptor engineered murine macrophages that alleviate cardiac fibrosis
该数据集来自NCBI GEO,包含一项关于功能性嵌合抗原受体工程化巨噬细胞(CAR-Ms)的研究。研究利用DHFR-HOXB8系统建立条件永生化小鼠单核细胞,经TMP调控HOXB8表达实现永生化与巨噬细胞分化,转录组和功能分析证实其保留原代单核/巨噬细胞身份,CAR编辑效率超过95%。数据可用于研究CAR-Ms在免疫健全小鼠模型中的治疗潜力,特别是缓解心脏纤维化,为免疫治疗策略提供表达谱资源(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):为了研究嵌合抗原受体工程化巨噬细胞(CAR-Ms)的治疗潜力,在免疫健全的小鼠模型中进行研究至关重要。然而,由于原代小鼠巨噬细胞的编辑效率低且增殖能力有限,高效生成功能性CAR-Ms仍然是一项技术挑战,阻碍了这一有前景的免疫治疗方法的进展。在这里,我们使用DHFR-HOXB8系统建立了永生化小鼠单核细胞,其中过表达的HOXB8蛋白的存在由甲氧苄啶(TMP)控制,允许条件性永生化并随后进行巨噬细胞分化。转录组和功能分析证实,DHFR-HOXB8衍生的细胞保留了真正的单核细胞和巨噬细胞身份,与原发性细胞非常相似。使用该平台,我们实现了超过95%的CAR编辑效率
【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:GPL21493、10090。本站分类:循环系统疾病/其他。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE326400
【使用注意】
· 源站最后修改于 Apr 04 202,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=GSE326400
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
为探究嵌合抗原受体工程化巨噬细胞(CAR-Ms)的治疗潜力,在免疫健全小鼠模型中的研究至关重要。然而,由于原代小鼠巨噬细胞编辑效率低且增殖能力有限,高效生成功能性CAR-Ms仍是一项技术挑战,阻碍了这一颇具前景的免疫治疗方法的推进。在此,我们利用DHFR-HOXB8系统建立了永生化小鼠单核细胞,其中过表达的HOXB8蛋白的存在受甲氧苄啶(TMP)调控,从而实现条件性永生化及随后的巨噬细胞分化。转录组学和功能分析证实,DHFR-HOXB8衍生细胞保留了真正的单核细胞和巨噬细胞身份,与原发性细胞高度相似。利用该平台,我们在单核细胞/巨噬细胞中实现了超过95%的CAR编辑效率,并证明CAR表达赋予DHFR-HOXB8衍生巨噬细胞针对靶细胞强大的吞噬和细胞毒活性。
在心肌梗死(MI)和横向主动脉缩窄(TAC)小鼠模型中,过继转移靶向FAP的CAR-Ms可减轻心脏纤维化并改善心脏功能,证明了其体内活性,并凸显了其在不同心脏病理中的治疗潜力。因此,本研究为生成适用于临床前小鼠研究的基因工程化巨噬细胞提供了一个有力的平台。
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。




