CCR4-NOT复合体亚基7表达与转移性乳腺癌自然杀伤细胞耐药性的关联
该数据集来源于clinicaltrials.gov,聚焦转移性乳腺癌中CCR4-NOT复合体亚基7表达与自然杀伤细胞耐药性的关联

基本信息
资源简介
CCR4-NOT复合体亚基7表达与转移性乳腺癌自然杀伤细胞耐药性的关联
该数据集来源于clinicaltrials.gov,聚焦转移性乳腺癌中CCR4-NOT复合体亚基7表达与自然杀伤细胞耐药性的关联。源站描述指出乳腺癌是女性癌症死亡主因,转移是主要致死原因,肿瘤细胞获得侵袭性并逃避免疫控制;外周血NK细胞成熟和细胞毒功能受损伴随乳腺癌进展,强细胞毒性浸润(含NK细胞)与更好预后相关。数据可用于研究乳腺癌进展对外周NK细胞表型的影响及免疫治疗耐药机制(来源 clinicaltrials.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):条件:转移性乳腺癌。1. 引言 1.1. 研究问题。乳腺癌(BC)是女性癌症死亡的主要原因(1,2)。这种死亡率的主要原因是转移扩散到其他器官(3)。当肿瘤细胞获得侵袭性特征(4)和逃避抗肿瘤免疫的能力时,就会发生转移;先天性和适应性免疫反应对肿瘤控制很重要(5,6)。据报道,外周血自然杀伤(NK)细胞成熟和细胞毒性功能的严重受损伴随BC进展(7)。几项基因表达谱研究表明,更好的结果与含有NK细胞的强细胞毒性浸润相关(8,9)。这些数据表明BC进展与NK细胞、T细胞和B细胞的抗肿瘤免疫效率有关。然而,BC进展如何影响外周NK细胞表型尚不清楚
【主题与分类】
主题标签:Metastatic Breast Cancer。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://clinicaltrials.gov/study/NCT06320392
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://clinicaltrials.gov/study/NCT06320392
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
疾病状态:转移性乳腺癌。1. 引言 1.1. 研究问题。乳腺癌(BC)是女性癌症死亡的主要原因(1,2)。这种死亡率的主要原因是转移扩散到其他器官(3)。当肿瘤细胞获得侵袭性特征(4)以及逃避免疫监视的能力时,就会发生转移;先天性和适应性免疫反应对肿瘤控制至关重要(5,6)。据报道,外周血自然杀伤(NK)细胞成熟和细胞毒性功能的严重受损伴随BC进展(7)。几项基因表达谱研究表明,较好的预后与含有NK细胞的强细胞毒性浸润相关(8,9)。这些数据表明,BC进展与NK细胞、T细胞和B细胞的抗肿瘤免疫效率有关。然而,BC进展如何影响外周NK细胞表型尚未得到充分研究。NK细胞的活性由NK细胞上存在的激活性和抑制性受体决定,这些受体在识别靶细胞(此处为肿瘤细胞)期间被触发,分别诱导正向或负向细胞信号通路。
这些相反信号的整合决定了NK细胞的激活权重(10)。近期研究表明,肿瘤微环境(TME)中常见的若干分子,尤其是抑制性因子,能够显著损害NK细胞的表型和功能(11,12),导致激活性NK细胞受体表达下降、抑制性受体表达升高(如先前在HCC临床血液样本T-细胞毒性细胞中检测到的LAIR-1(13))。这些变化可能促进BC进展,并与NK细胞及T细胞或B细胞所表现出的免疫细胞毒性功能下降相关(14)。1.2. 目的与目标。为探究CNOT7在BC转移中与免疫细胞耐药相关的作用,研究者试图在埃及女性BC患者队列中测定血清CNOT7水平,并将其与t
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




