褪黑素预处理间充质基质细胞抑制胶质母细胞瘤进展的基因表达数据集
该数据集来自 NCBI GEO,标题为 GSE268582,聚焦褪黑素预处理间充质基质细胞对胶质母细胞瘤进展的抑制作用及动态胞内外重组织

基本信息
资源简介
褪黑素预处理间充质基质细胞抑制胶质母细胞瘤进展的基因表达数据集
Glioblastoma progression is hindered by melatonin-primed mesenchymal stromal cells through dynamic intracellular and extracellular reorganizations
该数据集来自 NCBI GEO,标题为 GSE268582,聚焦褪黑素预处理间充质基质细胞对胶质母细胞瘤进展的抑制作用及动态胞内外重组织。数据通过高通量测序进行表达谱分析,物种为人(9606),平台为 GPL18573,仅含 1 个文件 GSE268582_series_matrix.txt.gz。可用于研究间充质基质细胞与肿瘤行为的关系、褪黑素的协同抗癌效应,以及胶质母细胞瘤相关基因表达模式的分析与分类建模(来源 NCBI)。
【数据集背景】
源站首次发布:May 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景。胶质母细胞瘤(GBM)是致死率最高的脑癌形式,其治疗仍是一个未解决的挑战。间充质基质细胞(MSCs)因其肿瘤归巢能力而被探索作为靶向递送抗癌药物的载体。然而,由于 MSCs 在致癌作用中的争议性角色,其临床应用受到限制。本研究探讨 MSCs 如何影响肿瘤行为,并探索细胞保护性褪黑素(Mel)的协同抗癌效应。
【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:GPL18573、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=GSE268582
【使用注意】
· 源站最后修改于 Mar 19 202,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=GSE268582
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
背景。胶质母细胞瘤(GBM)是致死率最高的脑癌类型,其治疗仍是一项尚未解决的难题。间充质基质细胞(MSCs)因其肿瘤归巢能力,已被探索作为靶向递送抗癌药物的载体。然而,由于MSCs在致癌作用中存在争议性角色,其临床应用受到限制。本研究探讨MSCs如何影响肿瘤行为,并探索细胞保护性褪黑素(Mel)的协同抗癌效应。方法。采用原位和皮下GBM异种移植小鼠模型评估Mel预处理MSCs(MSCMel)的抗肿瘤效果。通过组织学、免疫组织化学和超微结构分析识别肿瘤中的表型变化。开展了一系列体外实验,包括直接和间接共培养、动态单细胞追踪和肿瘤球迁移实验,以探究MSCMel对原代和非原代GBM细胞的影响。转录组分析用于识别协同治疗调控的基因和通路。结果。MSCMel延缓了小鼠肿瘤生长并增加了胶原沉积。
此外,与未处理的MSCs相比,MSCMel表现出更强的预防GBM细胞迁移的能力。分子分析鉴定了暴露于MSCMel的GBM细胞中与细胞迁移、细胞骨架动力学和细胞外基质重塑相关的基因和通路,包括波形蛋白表达的广泛降低。最后,鉴定了一个与GBM患者临床结局相关的基因特征。结论。我们的研究表明,褪黑素增强了MSCs的抗癌特性,为它们与GBM细胞及肿瘤微环境的相互作用提供了新的见解。这些发现为推进基于MSC的疗法在临床实践中的应用提供了宝贵的指导。
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。




