GSE120793:GBM样V-ATPase特征通过大型癌小体指导细胞间肿瘤信号传导与重编程
该数据集来自NCBI GEO,包含1个文件GSE120793_series_matrix.txt.gz,采用表达谱芯片(GPL25636,9606)检测非球形成胶质瘤细胞与大型癌小体或空培养基共培养后的转录组

基本信息
资源简介
GSE120793:GBM样V-ATPase特征通过大型癌小体指导细胞间肿瘤信号传导与重编程
A GBM-like V-ATPase signature directs cell-cell tumor signaling and reprogramming via large oncosomes
该数据集来自NCBI GEO,包含1个文件GSE120793_series_matrix.txt.gz,采用表达谱芯片(GPL25636,9606)检测非球形成胶质瘤细胞与大型癌小体或空培养基共培养后的转录组。数据聚焦胶质母细胞瘤(GBM)中V-ATPase V1G1亚基过表达及大型癌小体介导的细胞间信号传导与重编程,可用于研究GBM肿瘤微环境、癌症干细胞龛相关基因表达变化及分类分析(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 03 201。
【数据内容】
源站描述(机器翻译,仅供参考):胶质母细胞瘤(GBM)是成人中最具侵袭性和最常见的恶性脑肿瘤。GBM的特征是高度的瘤内异质性和癌症干细胞龛的存在。液泡ATP酶(V-ATPase)是一种多亚基质子泵,在真核细胞的多种过程中发挥作用。V-ATP酶活性改变与多种人类疾病相关,在癌症中可能由于细胞器(如内体和溶酶体)的酸化而发挥相关作用。我们在GBM来源的神经球(NS)中鉴定出V-ATPase V1G1亚基的过表达,NS是一种富含癌症干细胞的细胞亚群。有趣的是,GBM NS分泌不同类型的囊泡,包括大型癌小体(LO),从而影响其微环境。在此,我们评估了与LO或空培养基(mock)共培养的非球形成胶质瘤细胞(n=2对)的转录组。
【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、GPL25636、9606。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE120793
【使用注意】
· 源站最后修改于 May 10 201,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=GSE120793
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
胶质母细胞瘤(GBM)是成人中最具侵袭性和最常见的恶性脑肿瘤。GBM的特征是瘤内高度异质性和存在癌症干细胞龛。液泡ATP酶(V-ATPase)是一种多亚基质子泵,在真核细胞的多种过程中发挥作用。V-ATP酶活性改变与多种人类疾病相关,在癌症中可能由于细胞器(如内体和溶酶体)的酸化而发挥相关作用。我们在GBM来源的神经球(NS)中发现了V-ATP酶V1G1亚基的过表达,NS是一种富含癌症干细胞的细胞亚群。有趣的是,GBM NS分泌不同类型的囊泡,包括大肿瘤体(LO),从而影响其微环境。在此,我们通过微阵列评估了与LO或空培养基(模拟)共培养的非球形成胶质瘤细胞(n=2对)的转录组,以识别与LO诱导的重编程能力相关的通路。
基因集富集分析(GSEA)显示,添加LO的培养物激活了若干癌症相关通路,包括参与胶质瘤V-ATPase相关信号传导的通路(Notch、mTOR和溶酶体运输),以及细胞增殖和细胞转录程序。
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。




