肿瘤来源TSLP扩增循环骨髓B细胞前体支持转移
该数据集来自 NCBI GEO(GSE164955),包含 1 个表达谱芯片文件,主题为肿瘤来源的胸腺基质淋巴细胞生成素(TSLP)如何扩增循环中的骨髓 B 细胞前体以支持转移

基本信息
资源简介
肿瘤来源TSLP扩增循环骨髓B细胞前体支持转移
Tumor-Derived Thymic Stromal Lymphopoietin Expands Bone Marrow B-cell Precursors in Circulation to Support Metastasis
该数据集来自 NCBI GEO(GSE164955),包含 1 个表达谱芯片文件,主题为肿瘤来源的胸腺基质淋巴细胞生成素(TSLP)如何扩增循环中的骨髓 B 细胞前体以支持转移。研究涉及小鼠原位乳腺癌、自发性卵巢癌及人乳腺癌样本,使用小鼠和人骨髓穿刺液以及高转移性 4T1 乳腺癌细胞模型,分析 B 细胞前体的基因表达变化。数据可用于研究 TSLP 调控 B 细胞前体迁移、存活与增殖的分子机制,以及转移相关调节性 B 细胞的表达特征(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 16 202。
【数据内容】
源站描述(机器翻译,仅供参考):在成年淋巴细胞生成过程中,骨髓中的未成熟 B 细胞会迁移至脾脏。在此,我们报告,在患有原位乳腺癌、自发性卵巢癌的小鼠中,以及可能在人乳腺癌中,这种迁移转向更早期的 B 细胞阶段。利用小鼠和人骨髓穿刺液以及用高转移性 4T1 乳腺癌细胞攻击的小鼠模型,我们证明这是癌细胞分泌胸腺基质淋巴细胞生成素(TSLP)的结果。首先,TSLP 下调 B 细胞前体上骨髓(BM)滞留受体 CXCR4 和 VLA4 的表面表达,增加其运动性,并推测增加其迁移。然后,TSLP 支持 BM B 细胞前体(如 pre-B 样细胞)的外周存活和增殖。4T1 癌细胞利用增加的循环 pre-B 样细胞池来生成支持转移的调节性 B
【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:Expression profiling by array、GPL13912、10090。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE164955
【使用注意】
· 源站最后修改于 Jan 19 202,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=GSE164955
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
在成年淋巴细胞生成过程中,骨髓中的未成熟B细胞会迁移至脾脏。在此,我们报道,在患原位乳腺癌、自发性卵巢癌的小鼠中,以及可能在人乳腺导管癌中,这种迁移会提前至更早期的B细胞阶段。利用小鼠和人骨髓穿刺液以及用高转移性4T1乳腺癌细胞攻击的小鼠模型,我们证明这是癌细胞分泌胸腺基质淋巴细胞生成素(TSLP)的结果。首先,TSLP下调B细胞前体上骨髓(BM)滞留受体CXCR4和VLA4的表面表达,增加其运动性,并推测由此增加其迁移。随后,TSLP支持骨髓B细胞前体(如前B样细胞)在外周的存活和增殖。4T1癌细胞利用循环中增加的前B样细胞池来生成支持转移的调节性B细胞。因此,仅癌细胞中TSLP表达的缺失或B细胞中TSLPR的缺陷即可阻断循环中前B样细胞的积聚和癌症转移,这意味着前B细胞–TSLP轴可能是一个有吸引力的治疗靶点。
意义:癌细胞诱导B细胞前体从骨髓提前迁出,以生成调节性B细胞。
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。




