GSE77307:转录组分析揭示胶质母细胞瘤的恶性与缺氧特征
该数据集来自 NCBI GEO,标题为转录组分析揭示胶质母细胞瘤的恶性与缺氧特征。研究以 U87-MG 人胶质母细胞瘤细胞系为肿瘤模型,以人脑 HEB 细胞系为非肿瘤脑细胞对照,分别在常氧和 1% O2 缺氧条件下培养并进行转录组表达谱分析

基本信息
资源简介
GSE77307:转录组分析揭示胶质母细胞瘤的恶性与缺氧特征
Transcriptome analysis reveals malignant and hypoxic signature of glioblastoma
该数据集来自 NCBI GEO,标题为转录组分析揭示胶质母细胞瘤的恶性与缺氧特征。研究以 U87-MG 人胶质母细胞瘤细胞系为肿瘤模型,以人脑 HEB 细胞系为非肿瘤脑细胞对照,分别在常氧和 1% O2 缺氧条件下培养并进行转录组表达谱分析。数据包含 1 个文件,主题标签涉及高通量测序表达谱、GPL11154 平台和人类(9606)。该数据可用于比较肿瘤与非肿瘤细胞在常氧和缺氧下的基因表达差异,探索胶质母细胞瘤恶性表型及缺氧耐受的分子机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 27 201。
【数据内容】
源站描述(机器翻译,仅供参考):目的:胶质母细胞瘤(GBM)是成人中最常见的原发性脑肿瘤,预后差,治疗后中位生存期短。我们利用 U87-MG 细胞系作为人 GBM 细胞模型,并利用人脑 HEB 细胞系作为非肿瘤脑细胞,在常氧和 1% O2 缺氧条件下培养,进行转录组分析,以进一步深入了解维持 GBM 特性的分子基础,并阐明 GBM 缺氧耐受的分子机制。
【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:GPL11154、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=GSE77307
【使用注意】
· 源站最后修改于 Sep 11 201,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=GSE77307
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
目的:胶质母细胞瘤(GBM)是成人中最常见的原发性脑肿瘤,预后差,治疗后中位生存期短。我们利用U87-MG细胞系作为人GBM细胞模型,并利用人脑HEB细胞系作为非肿瘤性脑细胞,在常氧和1% O₂缺氧条件下培养以进行转录谱分析,从而进一步深入了解维持GBM特性的分子基础,并阐明GBM缺氧耐受的分子机制。方法:我们利用U87-MG细胞系作为人GBM细胞模型,并利用人脑HEB细胞系作为非肿瘤性脑细胞,在常氧和1% O₂缺氧条件下培养以进行转录谱分析。并用GBM患者标本验证分析结果。结果:首先,所得数据集揭示了U87-MG细胞中先前未知的蛋白质,包括AKR1B1、MT2A、UBC、EEF1A1和MTRNR2l2,这些蛋白质通过MAPK通路促进GBM特征。同时,我们发现Toll样通路是介导GBM炎症反应功能的新途径。
此外,结果表明细胞因子TGF-β1以及HIFs靶向基因(包括HMOX1和STC1)可作为GBM的缺氧标志物。结论:综上所述,我们的研究确定了新的潜在生物标志物,并阐明了GBM中与炎症相关的基因。更重要的是,独特的缺氧模式为未来GBM缺氧耐受和复发研究提供了新的见解。
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。




