浸润性TAM亚群与一般TAM群体的比较
该数据集来自 NCBI GEO(GSE18295),主题为浸润性肿瘤相关巨噬细胞(TAM)亚群与一般 TAM 群体的转录组比较,属于肿瘤/乳腺癌方向,采用表达谱芯片平台 GPL9298,物种为小鼠(10090)

基本信息
资源简介
浸润性TAM亚群与一般TAM群体的比较
Comparison of Invasive TAM sub-population to General TAM population
该数据集来自 NCBI GEO(GSE18295),主题为浸润性肿瘤相关巨噬细胞(TAM)亚群与一般 TAM 群体的转录组比较,属于肿瘤/乳腺癌方向,采用表达谱芯片平台 GPL9298,物种为小鼠(10090)。数据仅含 1 个文件 GSE18295_series_matrix.txt.gz,可用于研究促侵袭 TAM 亚群的基因表达特征及其与一般 TAM 群体的差异,为理解 TAM 促进肿瘤侵袭与转移的分子机制提供表达谱层面的数据基础(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 26 200。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤微环境会改变肿瘤的恶性程度。在实体瘤中,该环境由大量巨噬细胞(肿瘤相关巨噬细胞;TAM)所填充,在将上述细胞从小鼠乳腺癌模型中清除的遗传学研究中,这些细胞被证明可促进肿瘤向恶性进展并增加转移潜能。机制研究表明,这些效应是通过刺激肿瘤细胞迁移、侵袭、内渗以及增强血管生成来实现的。使用体内侵袭实验证明,侵袭性癌细胞是肿瘤细胞中的一个独特亚群,其侵袭和趋化依赖于 TAM 的共迁移,并通过 EGF/CSF-1 旁分泌环进行 obligatory reciprocal signaling。在本研究中,这些促进侵袭的巨噬细胞被分离出来,并对其转录组进行分析,以与……进行比较
【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、GPL9298、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=GSE18295
【使用注意】
· 源站最后修改于 Mar 21 201,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=GSE18295
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
肿瘤微环境会改变肿瘤的恶性程度。在实体瘤中,该环境内有大量巨噬细胞(肿瘤相关巨噬细胞;TAMs)浸润。在遗传学研究中,从小鼠乳腺癌模型中清除这些细胞后,已证实它们可促进肿瘤向恶性进展并增加转移潜能。机制研究表明,这些效应是通过刺激肿瘤细胞迁移、侵袭、血管内渗以及增强血管生成来实现的。利用体内侵袭实验已证明,侵袭性癌细胞是肿瘤细胞中的一个独特亚群,其侵袭和趋化依赖于TAMs的共同迁移,并通过EGF/CSF-1旁分泌环路进行 obligatory 双向信号传导。在本研究中,分离了这些促进侵袭的巨噬细胞,并将其转录组与通过流式细胞术使用既定巨噬细胞标志物不加区分地分离的功能性TAMs进行了比较分析。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




