老年女性乳腺癌促肿瘤环境的全身与乳腺慢性炎症及激素分布（大鼠 Bulk RNA-Seq）
该数据集来自 NCBI GEO，标题为老年女性乳腺癌促肿瘤环境的全身与乳腺慢性炎症及激素分布（大鼠 Bulk RNA-Seq），属于肿瘤/乳腺癌分类
基本信息
资源简介
老年女性乳腺癌促肿瘤环境的全身与乳腺慢性炎症及激素分布（大鼠 Bulk RNA-Seq）
Systemic and breast chronic inflammation and hormone disposition promote a tumor-permissive environment for breast cancer in older women (Rat Bulk RNA-Seq)
该数据集来自 NCBI GEO，标题为老年女性乳腺癌促肿瘤环境的全身与乳腺慢性炎症及激素分布（大鼠 Bulk RNA-Seq），属于肿瘤/乳腺癌分类。数据包含 1 个文件，样例为 GSE276757_series_matrix.txt.gz，采用高通量测序进行表达谱分析，物种为大鼠（10116），平台为 GPL25947。研究涉及 ER+ 乳腺癌、DMBA/MPA 诱导的老年 F344 大鼠模型、snRNA-seq 及患者样本，可用于探索衰老、慢性炎症与激素环境对乳腺癌发生发展的影响（来源 NCBI）。
【数据集背景】
源站首次发布：Sep 09 202。
【数据内容】
源站描述（机器翻译，仅供参考）：雌激素受体阳性（ER+）乳腺癌是乳腺癌最常见的亚型，是一种与年龄相关的疾病，尽管循环雌二醇水平较低，但诊断发病高峰出现在 70 岁左右。尽管这些年龄相关肿瘤具有激素敏感性，但我们对全身和局部激素分布与慢性炎症衰老之间相互作用的理解仍然有限。我们发现，用 DMBA/MPA 致癌物处理的老年 F344 大鼠比年轻大鼠更快地发展出更多肿瘤，表明衰老环境加速了肿瘤生长。肿瘤的 snRNA-seq 显示广泛的局部免疫功能障碍，这与循环慢性炎症相关。在来自 ER+ 乳腺癌患者和年龄匹配的正常乳腺组织供体的大量样本队列中，我们观察到即使以 E1 为主的雌激素分布
【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：GPL25947、10116。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=GSE276757
【使用注意】
· 源站最后修改于 Sep 04 202，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=GSE276757
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
雌激素受体阳性（ER+）乳腺癌是乳腺癌最常见的亚型，也是一种年龄相关性疾病，其诊断发病高峰出现在70岁左右，尽管循环雌二醇水平较低。尽管这些年龄相关肿瘤具有激素敏感性，但我们对全身和局部激素处置与慢性炎性衰老之间相互作用的理解仍然有限。我们发现，接受DMBA/MPA致癌剂处理的老年F344大鼠比年轻大鼠发生更多肿瘤且速度更快，提示衰老环境加速肿瘤生长。肿瘤的snRNA-seq显示，广泛的局部免疫功能障碍与循环慢性炎症相关。在来自ER+乳腺癌患者和年龄匹配的正常乳腺组织供者的大量标本队列中，我们观察到，即使体循环中的雌激素处置以E1为主，老年患者的肿瘤仍上调HSD17B7表达，以在TME中将E1转化为E2。
年龄相关的肿瘤相关巨噬细胞积聚充当信号枢纽，整合TME中E2和趋化因子驱动的慢性炎症信号，从而使TAMs极化为CD206+/PD-L1+的免疫抑制表型。总体而言，这些发现表明，宿主的慢性炎症和激素状态塑造了局部肿瘤微环境，并且是ER+乳腺癌发生和生长呈年龄相关特征的关键促成因素。
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。
