MGMT与cGAS/STING通路交叉调控巨噬细胞天然免疫应答
该数据集来自 NCBI GEO(GSE309787),对 DMXAA 刺激的骨髓来源巨噬细胞(BMMs)进行转录组测序,比较 MGMT 敲除(KO)与野生型(WT)的差异表达基因,共鉴定出 202 个 DEGs,其中 75 个显著上调、127 个显著下调

基本信息
资源简介
MGMT与cGAS/STING通路交叉调控巨噬细胞天然免疫应答
MGMT crosspaths with cGAS/STING pathway to regulate innate immune response in macrophage
该数据集来自 NCBI GEO(GSE309787),对 DMXAA 刺激的骨髓来源巨噬细胞(BMMs)进行转录组测序,比较 MGMT 敲除(KO)与野生型(WT)的差异表达基因,共鉴定出 202 个 DEGs,其中 75 个显著上调、127 个显著下调。基于全转录组数据开展 KEGG 通路分析,发现与细胞代谢活动相关的通路富集,其中戊糖和葡萄糖醛酸相互转化是 DMXAA 刺激的 MGMT KO BMMs 中正富集最显著的通路,亚油酸代谢是负富集最显著的通路。数据可用于研究 MGMT 与 cGAS/STING 通路在巨噬细胞天然免疫调控中的交互作用(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 13 202。
【数据内容】
源站描述(机器翻译,仅供参考):转录组分析表明,用 STING 激动剂 DMXAA 刺激骨髓来源巨噬细胞(BMMs)可诱导大量差异表达基因(DEGs)。对 DMXAA 处理的 MGMT 敲除(KO)与野生型(WT)BMMs 进行比较分析,共鉴定出 202 个 DEGs,其中 75 个为显著上调基因,127 个为显著下调基因。为阐明这些转录改变背后的生物学过程,对全转录组数据集进行了京都基因与基因组百科全书(KEGG)通路分析。该分析揭示了与细胞代谢活动相关的通路的富集。值得注意的是,戊糖和葡萄糖醛酸相互转化是 DMXAA 刺激的 MGMT KO BMMs 中正富集最显著的通路,而亚油酸代谢是负富集最显著的通路。
【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:GPL28457、10090。本站分类:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE309787
【使用注意】
· 源站最后修改于 Feb 12 202,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=GSE309787
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
转录组分析表明,用STING激动剂DMXAA刺激骨髓来源巨噬细胞(BMMs)可诱导大量差异表达基因(DEGs)。对DMXAA处理的MGMT敲除(KO)与野生型(WT)BMMs进行比较分析,共鉴定出202个DEGs,其中75个为显著上调基因,127个为显著下调基因。为阐明这些转录改变所涉及的生物学过程,对全转录组数据集进行了京都基因与基因组百科全书(KEGG)通路分析。该分析揭示了与细胞代谢活动相关的通路富集。值得注意的是,在DMXAA刺激的MGMT KO BMMs中,戊糖和葡萄糖醛酸相互转化是最显著正富集的通路,而亚油酸代谢相对于WT细胞则是最显著负富集的通路。此外,使用Hallmark基因集进行了基因集富集分析(GSEA)。
分析显示,在DMXAA处理的MGMT KO BMMs中,最显著富集的基因特征与IL-6_JAK_STAT3信号传导和缺氧相关,突显了在MGMT缺陷条件下关键炎症和应激反应程序的激活。
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。




