ATM抑制剂AZD1390作为乳腺癌中枢神经系统转移放疗增敏剂
该数据集来自NCBI GEO,标题为ATM抑制剂AZD1390作为乳腺癌中枢神经系统转移放疗增敏剂的研究。研究关注AZD1390这一可穿透血脑屏障的ATM抑制剂作为放疗增敏剂用于乳腺癌中枢神经系统转移治疗的疗效,数据可用于分析相关基因表达变化及评估放疗增敏机制(来源 NCBI)

基本信息
资源简介
ATM抑制剂AZD1390作为乳腺癌中枢神经系统转移放疗增敏剂
ATM-inhibitor AZD1390 is a radiosensitizer for breast cancer CNS metastasis
该数据集来自NCBI GEO,标题为ATM抑制剂AZD1390作为乳腺癌中枢神经系统转移放疗增敏剂的研究。数据包含1个文件GSE224899_series_matrix.txt.gz,属于高通量测序表达谱数据,物种为人(9606),平台为GPL16791。研究关注AZD1390这一可穿透血脑屏障的ATM抑制剂作为放疗增敏剂用于乳腺癌中枢神经系统转移治疗的疗效,数据可用于分析相关基因表达变化及评估放疗增敏机制(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 09 202。
【数据内容】
源站描述(机器翻译,仅供参考):目的:中枢神经系统(CNS)转移一直是乳腺癌患者死亡的主要来源。这在很大程度上是由于当前治疗药物无法穿透血脑屏障(BBB),以及缺乏用于测试新疗法的临床前模型。在此,我们研究AZD1390(一种可穿透BBB的共济失调-毛细血管扩张突变(ATM)抑制剂)作为放疗增敏剂用于乳腺癌CNS转移治疗的疗效。
【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:GPL16791、9606。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=GSE224899
【使用注意】
· 源站最后修改于 Oct 31 202,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=GSE224899
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:中枢神经系统(CNS)转移一直是乳腺癌患者死亡的主要来源。这在很大程度上是由于当前治疗药物无法穿透血脑屏障(BBB),以及缺乏用于测试新疗法的临床前模型所致。本研究探讨了AZD1390——一种可穿透血脑屏障的共济失调毛细血管扩张突变(ATM)抑制剂——作为放射增敏剂用于乳腺癌CNS转移治疗的有效性。实验设计:将三种PDX肿瘤(包括2例HER2阳性及1例携带TP53突变的三阴性乳腺癌(TNBC))皮下植入小鼠侧腹,以评估AZD1390联合放疗对肿瘤生长的抑制作用。进一步将应答最佳的PDX模型原位植入脑内,评估动物生存期。结果:AZD1390预处理后序贯放疗可抑制植入侧腹的PDX肿瘤生长,并改善原位模型的生存期,平均生存期为222天,而对照组为123天。辅助给予AZD1390未见进一步获益。
虽然联合治疗实现了持续的肿瘤抑制,但在所有模型中,部分小鼠在治疗后50-100天观察到偶发性再生长。将这些肿瘤与完全缓解者进行比较的基因表达分析显示,多种致癌蛋白的上调发生了变化,这些蛋白是治疗后肿瘤生长的潜在驱动因素。结论:我们的结果表明,AZD1390能有效增强TP53突变肿瘤中乳腺癌中枢神经系统转移对放射治疗的敏感性。本研究证明了使用AZD1390作为乳腺癌中枢神经系统转移患者新型治疗药物的潜力。
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。




