微重力培养胶质母细胞瘤类器官多组学与空间分析数据集
该数据集来自 NCBI,包含国际空间站上培养 40 天的 GBM-髓系类器官多组学与空间分析数据,文件为 GSE345072_series_matrix.txt.gz

基本信息
资源简介
微重力培养胶质母细胞瘤类器官多组学与空间分析数据集
Multi-omics and spatial analysis of microgravity-grown glioblastoma organoids reveals superior modeling of advanced disease after long-term spaceflight
该数据集来自 NCBI,包含国际空间站上培养 40 天的 GBM-髓系类器官多组学与空间分析数据,文件为 GSE345072_series_matrix.txt.gz。数据覆盖太空飞行与地面条件下 GBM 单独及含单核细胞类器官的转录响应,可用于研究微重力对胶质母细胞瘤进展和免疫微环境的影响,并支持疾病建模相关的表达谱分析(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):创建准确的类器官模型仍是一项挑战,尤其是对于胶质母细胞瘤(GBM)这类具有免疫抑制微环境的侵袭性、难治性脑癌。为克服地面模型的局限(沉降和解聚)并利用太空的独特优势(疾病进展加速和免疫失调),本研究利用在国际空间站上培养 40 天的 GBM-髓系类器官 panel。与地面对照相比,太空飞行培养的 GBM 类器官形态更均匀。我们观察到对太空飞行的情境依赖性响应,巨噬细胞和单核细胞的加入改变了整体和空间转录响应。虽然单独 GBM 类器官在微重力下具有侵袭性较低疾病的转录标志物,但含有 GBM 细胞 + 单核细胞的类器官具有增
【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:GPL34281、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=GSE345072
【使用注意】
· 源站最后修改于 Oct 10 202,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=GSE345072
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
创建准确的类器官模型仍是一项挑战,尤其对于胶质母细胞瘤(GBM)这类具有免疫抑制微环境的侵袭性、难治性脑癌而言。为克服地面模型的局限性(沉降和解聚)并利用太空的独特优势(加速疾病进展和免疫失调),本研究利用在国际空间站上培养40天的一组GBM-髓系类器官。与地面对照相比,太空飞行培养的GBM类器官形态更为均一。我们观察到对太空飞行的环境依赖性反应,巨噬细胞和单核细胞的加入改变了整体和空间转录反应。虽然单独GBM类器官在微重力下具有侵袭性较低疾病的转录标志物,但含有GBM细胞+单核细胞的类器官中与疾病进展和患者不良预后相关基因的表达增加。基因表达模式在空间上更有组织性,间充质相关基因富集于核心,炎症相关基因富集于外周,模拟了GBM肿瘤结构。
微重力条件下培养的GBM+单核细胞类器官表现出CXCL12和LOX-1等蛋白质分泌增加,这与更具侵袭性的疾病相关。红外化学成像证实,在太空和地面培养的类器官中均存在DNA、蛋白质和脂质种类的空间化学梯度。总之,这项工作不仅为基研究和转化研究提供了一种新颖、先进的胶质母细胞瘤模型,还展示了在符合太空系统独特限制条件的情况下从类器官获取多样化数据的方法,有助于建立轨道肿瘤学的工作模型。
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。




