CSF1R抑制对转移性上皮细胞基因表达的影响
该数据集来自omicsdi.org,属于肿瘤/乳腺癌分类,主题标签为Transcriptomics。数据涉及在乳腺癌转移小鼠模型中抑制巨噬细胞CSF1信号对转移性肿瘤细胞基因表达的影响,肿瘤细胞分选自对照组和CSF1R抑制剂处理小鼠的肺转移灶

基本信息
资源简介
CSF1R抑制对转移性上皮细胞基因表达的影响
该数据集来自omicsdi.org,属于肿瘤/乳腺癌分类,主题标签为Transcriptomics。数据涉及在乳腺癌转移小鼠模型中抑制巨噬细胞CSF1信号对转移性肿瘤细胞基因表达的影响,肿瘤细胞分选自对照组和CSF1R抑制剂处理小鼠的肺转移灶。源站描述指出CSF1R抑制剂处理显著影响血管生成和肿瘤细胞增殖等促肿瘤过程,并提及一个29基因特征。数据可用于研究肿瘤相关巨噬细胞与转移性上皮细胞相互作用的分子机制及CSF1R抑制的转录效应(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):转移是乳腺癌患者死亡的主要原因。肿瘤相关巨噬细胞(TAMs)是介导肿瘤转移级联多个步骤的活跃协作者,但支配这种协作的分子细节仍不明确。集落刺激因子1(CSF1)是巨噬细胞分化和存活的关键因子,其功能是将TAMs招募至原发肿瘤部位,抗CSF1疗法正处于临床试验中。在本研究中,我们在乳腺癌转移小鼠模型中测试了抑制巨噬细胞中CSF1信号对转移性肿瘤细胞基因表达的影响。从对照组和CSF1R抑制剂处理小鼠的肺转移灶中分选肿瘤细胞。CSF1R抑制剂处理显著影响了若干促肿瘤过程,包括血管生成和肿瘤细胞增殖。此外,一个29基因特征
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-55855
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-55855
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
转移是乳腺癌患者死亡的主要原因。肿瘤相关巨噬细胞(TAMs)是介导肿瘤转移级联多个步骤的活跃协作者,但调控这一协作的分子细节仍不明确。集落刺激因子1(CSF1)是巨噬细胞分化和存活的关键因子,其功能在于将TAMs招募至原发肿瘤部位,抗CSF1疗法正处于临床试验中。在本研究中,我们在乳腺癌转移小鼠模型中测试了抑制巨噬细胞中CSF1信号传导对转移性肿瘤细胞基因表达的影响。从对照组和CSF1R抑制剂处理小鼠的肺转移灶中分选肿瘤细胞。CSF1R抑制剂处理显著影响了若干促肿瘤过程,包括血管生成和肿瘤细胞增殖。此外,源自该数据的29个基因特征能够回顾性预测一组luminal B乳腺癌患者的生存期。总体而言,我们的结果凸显了利用CSF1R抑制剂治疗转移性乳腺癌的实用性。
将GFP标记的MVT1转移性乳腺肿瘤细胞经静脉注射到FVB/N小鼠体内。注射后一周开始,给小鼠灌胃给予CSF1R抑制剂GW2580或溶媒。注射后1周和2周,分别从2只溶媒处理小鼠的转移性肿瘤肺组织中分选GFP标记的肿瘤细胞,分别记为1_week_WT和2_week_WT。同时从灌胃给予GW2580的小鼠中分选GFP标记的肿瘤细胞,这些样本记为2_week_GW。提取RNA,并使用Affymetrix Mouse Genome 430 2.0 Array平台进行基因表达谱分析。
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。




