小鼠CAR T细胞治疗后免疫治疗相关认知障碍
该数据集来自 NCBI GEO,包含 1 个文件(GSE286221_series_matrix.txt.gz),主题为小鼠接受 CAR T 细胞治疗后出现的免疫治疗相关认知障碍

基本信息
资源简介
小鼠CAR T细胞治疗后免疫治疗相关认知障碍
Immunotherapy-related cognitive impairment after CAR T cell therapy in mice
该数据集来自 NCBI GEO,包含 1 个文件(GSE286221_series_matrix.txt.gz),主题为小鼠接受 CAR T 细胞治疗后出现的免疫治疗相关认知障碍。数据覆盖中枢神经系统与非中枢神经系统肿瘤模型,可用于研究 CAR T 治疗后的持续性中枢免疫反应、白质小胶质细胞反应性、趋化因子表达、脑脊液细胞因子升高以及少突胶质细胞稳态和海马神经发生受损等机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):持续性中枢神经系统(CNS)免疫失调及由此导致的多种神经细胞类型功能障碍,是认知障碍综合征(俗称“脑雾”)的神经生物学基础,该综合征可发生于传统癌症治疗或某些感染之后。免疫疗法已彻底改变了许多肿瘤类型的癌症治疗,但其潜在的长期认知后遗症尚不完全清楚。在此,我们在小鼠模型中证明,针对CNS和非CNS癌症的嵌合抗原受体(CAR)T细胞治疗可损害认知功能,并诱导持续性的CNS免疫反应,其特征为白质小胶质细胞反应性、小胶质细胞趋化因子表达以及脑脊液(CSF)细胞因子和趋化因子升高。因此,少突胶质细胞稳态和海马神经发生受到破坏。
【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:GPL30172、10090。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=GSE286221
【使用注意】
· 源站最后修改于 May 20 202,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=GSE286221
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
持续性中枢神经系统(CNS)免疫失调及由此导致的多种神经细胞类型功能障碍,是认知障碍综合征神经生物学基础的核心所在,该综合征俗称“脑雾”,可发生于传统癌症治疗后或某些感染之后。免疫疗法已彻底改变了多种肿瘤类型的癌症治疗格局,但其潜在的长期认知后遗症尚未被完全了解。在此,我们在小鼠模型中证实,针对CNS及非CNS癌症的嵌合抗原受体(CAR)T细胞疗法可损害认知功能,并诱导以白质小胶质细胞反应性、小胶质细胞趋化因子表达以及脑脊液(CSF)细胞因子和趋化因子升高为特征的持续性CNS免疫反应。因此,少突胶质细胞稳态和海马神经发生受到破坏。对接受或未接受过CAR T细胞治疗的脑肿瘤患者额叶皮质和皮质下白质的单核测序研究证实,接受CAR T细胞治疗的患者中小胶质细胞和少突胶质细胞呈反应性状态。
在小鼠中,短暂的小胶质细胞耗竭或CCR3趋化因子受体阻断可挽救CAR T细胞治疗后少突胶质细胞的缺陷,并改善注意力和短期记忆功能行为测试中的认知表现。综上所述,这些发现表明免疫治疗相关认知障碍(IRCI)与传统癌症治疗及其他免疫挑战后认知障碍具有相似的潜在机制。
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。




