胶质母细胞瘤中miRNA多靶点治疗策略的鉴定
研究通过整合TCGA数据库与GBM活检转录组,鉴定出miR-17-3p、miR-222和miR-340三个临床相关miRNA,并验证其组合调控可抑制患者来源GBM细胞的多种生物学过程、诱导细胞死亡并延缓小鼠肿瘤生长

基本信息
资源简介
胶质母细胞瘤中miRNA多靶点治疗策略的鉴定
Identification of a miRNA multi-targeting therapeutic strategy in glioblastoma
该数据集来自NCBI GEO,标题为“Identification of a miRNA multi-targeting therapeutic strategy in glioblastoma”,包含1个文件GSE246708_series_matrix.txt.gz,属于高通量测序表达谱数据,物种为人类(9606),平台为GPL24676。研究通过整合TCGA数据库与GBM活检转录组,鉴定出miR-17-3p、miR-222和miR-340三个临床相关miRNA,并验证其组合调控可抑制患者来源GBM细胞的多种生物学过程、诱导细胞死亡并延缓小鼠肿瘤生长。数据可用于胶质母细胞瘤miRNA表达分析与治疗靶点研究(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 31 202。
【数据内容】
源站描述(机器翻译,仅供参考):胶质母细胞瘤(GBM)是成人中最常见且致命的原发性脑肿瘤。由于microRNA(miRNA)调控大量mRNA转录本,是控制生物学过程的关键分子,因此是GBM患者有前景的治疗靶点。在这方面,我们最近报道了miRNA作为GBM侵袭性的强调节因子。在此,通过对TCGA数据库和GBM活检转录组的整合全面分析,我们鉴定了三个对GBM关键且临床相关的miRNA:miR-17-3p、miR-222和miR-340。此外,我们表明,这三个miRNA的组合调节有效抑制了所有三种GBM亚型(间充质型、前神经型、经典型)患者来源GBM细胞中的多种生物学过程,诱导细胞死亡,并在小鼠肿瘤模型中延缓肿瘤生长。最后,在doxyc
【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:GPL24676、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=GSE246708
【使用注意】
· 源站最后修改于 Nov 03 202,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=GSE246708
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)是一种致命且最常见的成人原发性脑肿瘤。由于microRNA(miRNA)调控大量mRNA转录本,它们是控制生物过程的关键分子,因而有望成为GBM患者的治疗靶点。在这方面,我们近期报道了miRNA作为GBM侵袭性的强效调节因子。在此,通过对TCGA数据库和GBM活检转录组的整合性全面分析,我们鉴定出三个对GBM关键且具有临床相关性的miRNA:miR-17-3p、miR-222和miR-340。此外,我们表明,对其中三个miRNA的组合调控可有效抑制所有三种GBM亚型(间充质型、前神经型、经典型)患者来源GBM细胞中的多种生物过程,诱导细胞死亡,并在小鼠肿瘤模型中延缓肿瘤生长。最后,在多西环素诱导型模型中,我们观察到GBM干细胞活力受到显著抑制,原位肿瘤生长显著延缓。
总体而言,我们的结果首次揭示了miR-17-3p、miR-222和miR-340多靶点联合作为GBM患者潜在治疗策略的前景。Cell Death and Disease (2023) 14:630 ; https://doi.org/10.1038/s41419-023-06117-z
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。




