抗CSF-1R联合免疫化疗消除巨噬细胞富集三阴性乳腺癌数据集
该数据集来自 NCBI GEO（GSE292908），包含 1 个文件，主题为表达谱高通量测序，物种为小鼠（10090），平台为 GPL24247
基本信息
资源简介
抗CSF-1R联合免疫化疗消除巨噬细胞富集三阴性乳腺癌数据集
Anti-CSF-1R therapy with combined immuno- chemotherapy coordinate an adaptive immune response to eliminate macrophage enriched Triple Negative Breast Cancers
该数据集来自 NCBI GEO（GSE292908），包含 1 个文件，主题为表达谱高通量测序，物种为小鼠（10090），平台为 GPL24247。研究聚焦巨噬细胞富集的三阴性乳腺癌，探索抗 CSF-1R 抗体联合节拍化疗与 anti-PD-1 免疫检查点阻断的疗效与机制。数据可用于分析联合治疗下肿瘤免疫微环境与适应性免疫应答相关的基因表达变化（来源 NCBI）。
【数据集背景】
源站首次发布：Mar 25 202。
【数据内容】
源站描述（机器翻译，仅供参考）：被诊断为转移性三阴性乳腺癌（mTNBC）的患者治疗选择有限，更易产生耐药且死亡率高。mTNBC 中以 T 细胞低、肿瘤相关巨噬细胞（TAMs）高为特征的冷肿瘤免疫微环境（TIME）与标准化疗和免疫检查点阻断（ICB）治疗失败相关。我们证明，免疫刺激性节拍环磷酰胺（CTX）联合抗 CSF-1R 抗体靶向治疗（SNDX-ms6352）和 anti-PD-1（ICB）的组合，对具有高巨噬细胞浸润的侵袭性转移性同基因 Trp53 缺失 TNBC 基因工程小鼠模型（GEMMs）高度有效。机制上，CSF-1R 抑制联合 CTX 破坏了 M-CSF/CSF-1R 轴，该轴上调了 IL-17、IL-15 和 II 型干扰素并 el
【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：GPL24247、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=GSE292908
【使用注意】
· 源站最后修改于 Mar 13 202，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=GSE292908
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
被诊断为转移性三阴性乳腺癌（mTNBC）的患者治疗选择有限，更易产生耐药性，且死亡率高。mTNBC中以T细胞低、肿瘤相关巨噬细胞（TAMs）高为特征的“冷”肿瘤免疫微环境（TIME）与标准化疗和免疫检查点阻断（ICB）治疗失败相关。我们证明，免疫刺激性节拍化疗环磷酰胺（CTX）联合抗CSF-1R抗体靶向治疗（SNDX-ms6352）及抗PD-1（ICB）的组合，对具有高巨噬细胞浸润的侵袭性转移性同系Trp53缺失TNBC基因工程小鼠模型（GEMMs）高度有效。机制上，CSF-1R抑制联合CTX破坏了M-CSF/CSF-1R轴，上调了IL-17、IL-15和II型干扰素，并增加了B细胞和T细胞。添加抗PD-1维持剂量对于克服肺和肝mTNBC中与PD-L1瘤内异质性（ITH）相关的原发耐药复发是必要的。
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。
