PRJNA1516445:ADCC抗T98G胶质母细胞瘤后脱颗粒CD107a+ NK细胞的bulk RNA测序
该数据集为PRJNA1516445的原始序列读取,来源于原代人NK细胞对T98G胶质母细胞瘤靶细胞执行ADCC后的bulk RNA测序

基本信息
资源简介
PRJNA1516445:ADCC抗T98G胶质母细胞瘤后脱颗粒CD107a+ NK细胞的bulk RNA测序
该数据集为PRJNA1516445的原始序列读取,来源于原代人NK细胞对T98G胶质母细胞瘤靶细胞执行ADCC后的bulk RNA测序。实验涵盖四种条件:未刺激对照NK细胞、NK细胞+T98G细胞(无抗体)、NK细胞+T98G细胞+anti-GD2抗体、NK细胞+T98G细胞+anti-GD2抗体偶联ADC。共培养后基于CD107a表面表达分选脱颗粒NK细胞。数据可用于比较不同条件下CD107a+脱颗粒NK细胞的转录谱,解析ADCC介导活化及ADC共刺激相关的分子特征(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):本研究呈现了原代人自然杀伤(NK)细胞对T98G胶质母细胞瘤靶细胞执行抗体依赖性细胞介导的细胞毒性(ADCC)后产生的bulk RNA测序数据。NK细胞与T98G细胞在四种条件下共培养:(1)未刺激对照NK细胞,(2)NK细胞+T98G细胞(无抗体),(3)NK细胞+T98G细胞+anti-GD2抗体,(4)NK细胞+T98G细胞+anti-GD2抗体偶联ADC(抗体药物偶联物)。共培养后,基于CD107a(裂解颗粒胞吐的标志物)的表面表达分离脱颗粒NK细胞。本研究的主要目的是比较这些条件下CD107a+脱颗粒NK细胞的转录谱,以描绘与ADCC介导活化相关的分子特征,以及有无ADC共刺激的情况。通过比较
【主题与分类】
主题标签:Raw sequence reads。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1516445
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/bioproject/PRJNA1516445
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
本研究呈现了针对T98G胶质母细胞瘤靶细胞进行抗体依赖性细胞介导的细胞毒性作用(ADCC)后,从原代人自然杀伤(NK)细胞中产生的批量RNA测序数据。NK细胞在四种条件下与T98G细胞共培养:(1)未刺激的对照NK细胞,(2)NK细胞+T98G细胞(无抗体),(3)NK细胞+T98G细胞+抗GD2抗体,(4)NK细胞+T98G细胞+与ADC(抗体偶联药物)偶联的抗GD2抗体。共培养后,根据CD107a(溶解性颗粒胞吐的标志物)的表面表达分离脱颗粒的NK细胞。本研究的主要目的是比较上述条件下CD107a+脱颗粒NK细胞的转录谱,以描绘与ADCC介导的活化相关的分子特征,包括有无ADC共刺激的情况。通过比较全局基因表达模式,本数据集旨在识别由抗GD2抗体和ADC介导的胶质母细胞瘤靶向所触发的NK细胞活化、细胞毒性、细胞因子产生及代谢重编程中涉及的关键通路。
这些发现为NK细胞介导的针对表达GD2的肿瘤的ADCC机制提供了关键见解,并可能为胶质母细胞瘤及其他GD2阳性恶性肿瘤改进免疫治疗策略的开发提供依据。
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。




