ZFTA-RELA 室管膜瘤小鼠模型广泛血管重塑但无广泛血脑屏障破坏
该数据集来自 NCBI,标题为 ZFTA-RELA 室管膜瘤小鼠模型中广泛血管重塑但无广泛血脑屏障破坏。ZFTA-RELA 室管膜瘤是儿童最常见的幕上室管膜瘤亚型,预后较差,血脑屏障是药物递送的主要障碍

基本信息
资源简介
ZFTA-RELA 室管膜瘤小鼠模型广泛血管重塑但无广泛血脑屏障破坏
Extensive Vascular Remodeling Without Widespread Blood-Brain Barrier Disruption in a Murine Model of ZFTA-RELA Ependymoma
该数据集来自 NCBI,标题为 ZFTA-RELA 室管膜瘤小鼠模型中广泛血管重塑但无广泛血脑屏障破坏。ZFTA-RELA 室管膜瘤是儿童最常见的幕上室管膜瘤亚型,预后较差,血脑屏障是药物递送的主要障碍。本数据基于 mZRFUS-EPN 小鼠模型,采用高通量测序进行表达谱分析,包含 1 个文件,可用于研究该肿瘤模型的血管结构与血脑屏障状态(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 12 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:ZFTA-RELA 室管膜瘤(EPN)是最常见的幕上儿童 EPN 亚型,与不良临床结局相关。血脑屏障(BBB)是有效药物递送入脑的主要障碍。脑肿瘤可表现出显著的 BBB 异质性,而 ZFTA-RELA EPN 中 BBB 功能维持的程度仍知之甚少。本研究旨在检查 ZFTA-RELA EPN 小鼠模型(mZRFUS-EPN)的血管结构和 BBB 状态。
【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:GPL34290、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=GSE335316
【使用注意】
· 源站最后修改于 Jul 29 202,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=GSE335316
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:ZFTA-RELA室管膜瘤(EPN)是最常见的幕上儿童EPN亚型,与不良临床结局相关。血脑屏障(BBB)是药物有效递送入脑的主要障碍。脑肿瘤可表现出显著的BBB异质性,而ZFTA-RELA EPN中BBB功能的维持程度仍知之甚少。本研究旨在检查ZFTA-RELA EPN小鼠模型(mZRFUS-EPN)的血管结构和BBB状态。方法:我们对内皮和BBB相关标志物进行了免疫染色、紧密连接的透射电子显微镜检查、体内血管渗漏试验,以及对分离的内皮细胞进行单细胞RNA测序,以比较正常脑和mZRFUS-EPN的细胞。结果:mZRFUS-EPN表现出密集、高度分支的血管网络,与广泛的血管生成重塑一致。尽管存在这些血管改变,超微结构分析、BBB标志物表达和体内通透性试验表明,大多数肿瘤相关血管保留了显著的BBB完整性。
单细胞RNA测序鉴定出内皮细胞状态重塑,其特征为跨动脉、静脉和毛细血管内皮群体的炎症激活。mZRFUS-EPN毛细血管内皮细胞富集细胞周期和血管生成尖端细胞基因,与这些肿瘤中的增殖性和血管生成性重塑一致。核心BBB相关转录程序,包括紧密连接基因、转胞吞调节因子、外排转运蛋白和BBB特化转录因子,在肿瘤相关内皮细胞中基本保持。结论:这些发现确定了mZRFUS-EPN中一种独特的神经血管表型,其特征为炎症性和血管生成性内皮重塑,同时BBB相关程序得到大量保留。对儿童EPN中BBB生物学的进一步理解可能为未来的治疗递送策略提供信息。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




