低剂量TNF-α通过TRAF2–FASN轴驱动胶质母细胞瘤恶性进展与脂质代谢
该数据集来自NCBI GEO,包含胶质母细胞瘤(GBM)中低剂量TNF-α调控恶性表型与脂质代谢的高通量测序表达谱数据,共1个文件

基本信息
资源简介
低剂量TNF-α通过TRAF2–FASN轴驱动胶质母细胞瘤恶性进展与脂质代谢
Low-dose TNF-α drives malignant progression and lipid metabolism in glioblastoma through the TRAF2–FASN axis.
该数据集来自NCBI GEO,包含胶质母细胞瘤(GBM)中低剂量TNF-α调控恶性表型与脂质代谢的高通量测序表达谱数据,共1个文件。研究聚焦TNF-α经TNFR信号通路及下游TRAF2–FASN轴的作用机制,数据可用于分析低剂量TNF-α处理下GBM细胞的基因表达变化、脂质代谢相关通路及TRAF2介导的调控网络(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):脂质代谢在包括胶质母细胞瘤(GBM)在内的癌症进展中起关键作用。肿瘤坏死因子-α(TNF-α)在肿瘤微环境中表现出双重作用:高浓度时诱导细胞死亡并发挥抗肿瘤效应,而低剂量时则表现出促肿瘤活性。本研究探讨低剂量TNF-α对GBM恶性行为和脂质代谢的调控作用。结果显示,低剂量TNF-α(10 ng/mL)通过TNFR信号通路显著促进GBM细胞恶性表型和脂滴积累,该过程依赖于其下游衔接蛋白肿瘤坏死因子受体相关因子2(TRAF2)。机制上,TRAF2通过其TRAF结构域与脂肪酸合酶(FASN)相互作用,并作为E3泛素连接酶利用其RING结构域介导K63连接的p
【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=GSE318064
【使用注意】
· 源站最后修改于 Feb 04 202,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=GSE318064
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
脂质代谢在包括胶质母细胞瘤(GBM)在内的癌症进展中发挥关键作用。肿瘤坏死因子-α(TNF-α)在肿瘤微环境中表现出双重作用:高浓度时可诱导细胞死亡并发挥抗肿瘤效应,而低剂量时则表现出促肿瘤活性。本研究探讨低剂量TNF-α对GBM恶性行为及脂质代谢的调控作用。结果表明,低剂量TNF-α(10 ng/mL)通过TNFR信号通路显著促进GBM细胞的恶性表型和脂滴积累,该过程依赖于其下游衔接蛋白肿瘤坏死因子受体相关因子2(TRAF2)。在机制上,TRAF2通过其TRAF结构域与脂肪酸合成酶(FASN)相互作用,并作为E3泛素连接酶,利用其RING结构域介导FASN的K63连接多泛素化。这增强了FASN蛋白稳定性,促进脂质合成,最终驱动肿瘤进展。
此外,通过虚拟筛选,鉴定出小分子化合物Jionoside B1靶向TRAF2的RING结构域,有效抑制FASN的K63连接泛素化,并破坏TRAF2–FASN相互作用及蛋白积累。在体外和体内实验中,Jionoside B1均显著抑制脂质合成并减缓肿瘤生长。本研究系统阐明了低剂量TNF-α通过TRAF2–FASN轴调控脂质代谢并促进GBM恶性进展的机制,不仅为理解TNF-α在肿瘤微环境中的“双刃剑”作用提供了新见解,也为GBM治疗中靶向该通路提供了潜在的新策略。
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。




