GSE224041：ST105-01 基于RNA测序的TL-532体内与计算机模拟作用机制无偏研究
研究聚焦TLR3专有配体药物候选物TL-532，通过无偏高通量转录组学方法解析单次局部区域治疗后早期（3h、6h、24h）的作用机制相关信号通路，涉及程序性死亡诱导、免疫激活、TH1与BDCA3反应、细胞因子与趋化因子表达、血管生成及浸润等
基本信息
资源简介
GSE224041：ST105-01 基于RNA测序的TL-532体内与计算机模拟作用机制无偏研究
ST105-01: UNBIASED IN-VIVO AND IN-SILICO TL-532 MECANISM OF ACTION BY RNA-SEQUENCING
该数据集来自NCBI GEO，标题为ST105-01: UNBIASED IN-VIVO AND IN-SILICO TL-532 MECHANISM OF ACTION BY RNA-SEQUENCING，包含1个文件（GSE224041_series_matrix.txt.gz），采用高通量测序进行表达谱分析，物种为小鼠（10090），平台为GPL19057。研究聚焦TLR3专有配体药物候选物TL-532，通过无偏高通量转录组学方法解析单次局部区域治疗后早期（3h、6h、24h）的作用机制相关信号通路，涉及程序性死亡诱导、免疫激活、TH1与BDCA3反应、细胞因子与趋化因子表达、血管生成及浸润等。数据可用于免疫系统疾病相关机制研。
【数据集背景】
源站首次发布：Jan 30 202。
【数据内容】
源站描述（机器翻译，仅供参考）：Tollys公司对一系列TLR3专有配体进行了表征并申请了专利，其中包括本研究所考虑的药物候选物TL-532。本项目旨在采用无偏高通量转录组学方法，解析与药物候选物TL-532作用机制相关的信号通路（包括程序性死亡诱导、免疫激活、TH1和BDCA3反应、细胞因子和趋化因子表达、血管生成、浸润等），这些通路在单次局部区域治疗后早期（治疗后3小时、6小时和24小时）被诱导，所用剂量在该模型中已知非常有效。
【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：GPL19057、10090。本站分类：免疫系统疾病。
【获取与许可】
源站页面：https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE224041
【使用注意】
· 源站最后修改于 May 31 202，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=GSE224041
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
Tollys公司对一系列TLR3专有配体进行了表征并申请了专利，其中包括本研究所涉及的候选药物TL-532。本项目旨在采用无偏倚的高通量转录组学方法，解析与候选药物TL-532作用机制相关的信号通路（包括程序性死亡诱导、免疫激活、TH1及BDCA3应答、细胞因子与趋化因子表达、血管生成、浸润等），这些通路在单次局部区域治疗后早期（治疗后3小时、6小时和24小时）即被诱导，所用剂量为该模型中已知非常有效的剂量。
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。
