抗LCN2单克隆抗体对人宫颈癌异种移植瘤抗肿瘤效果评估
该数据集来自NCBI GEO,包含抗LCN2单克隆抗体处理人宫颈癌HeLa细胞异种移植瘤后的RNA测序表达谱数据。研究通过肿瘤体积变化和差异表达分析,揭示抗LCN2抗体抑制促肿瘤TNF-α和IL17信号通路、激活T细胞杀伤功能并减少M2巨噬细胞标志物,可用于探索抗LCN2的免疫增敏机制及宫颈癌治疗相

基本信息
资源简介
抗LCN2单克隆抗体对人宫颈癌异种移植瘤抗肿瘤效果评估
Evaluation of anti-tumorigenic effects of anti-Lipocalin2 (anti-LCN2) monoclonal antibody against human cervical cancer xenografts in athymic nude mice
该数据集来自NCBI GEO,包含抗LCN2单克隆抗体处理人宫颈癌HeLa细胞异种移植瘤后的RNA测序表达谱数据。研究通过肿瘤体积变化和差异表达分析,揭示抗LCN2抗体抑制促肿瘤TNF-α和IL17信号通路、激活T细胞杀伤功能并减少M2巨噬细胞标志物,可用于探索抗LCN2的免疫增敏机制及宫颈癌治疗相关基因表达研究(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):本研究利用无胸腺裸鼠异种移植模型,探究抗LCN2单克隆抗体对经STR认证的HeLa细胞的影响。用抗LCN2抗体处理肿瘤后,肿瘤体积减少39–60%。处理后从肿瘤中提取RNA并测序,分别比对到人类和小鼠基因组。对人类比对到的过表达基因进行差异表达分析显示,治疗组肿瘤中促肿瘤的TNF-α和IL17信号通路受到抑制,而对应的小鼠比对基因则提示治疗组肿瘤中T细胞激活和T细胞介导的杀伤等通路被激活。M2型小鼠巨噬细胞标志物在治疗下下降,表明肿瘤消退。观察到的T细胞激活和抗LCN2对M2型小鼠巨噬细胞的削弱,表明其作为免疫增敏剂的潜力,可能
【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:GPL20795、9606。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE242667
【使用注意】
· 源站最后修改于 Dec 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=GSE242667
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
本研究采用无胸腺裸鼠异种移植模型,探讨了抗LCN2单克隆抗体对经STR认证的HeLa细胞的影响。用抗LCN2抗体治疗肿瘤后,肿瘤体积缩小了39%–60%。治疗后从肿瘤中提取RNA进行测序,并分别与人类和小鼠基因组进行比对。对人类比对到的过表达基因进行差异表达分析显示,治疗组肿瘤中促肿瘤的TNF和IL17信号通路受到抑制,而相应的小鼠比对基因则表明,治疗组肿瘤中存在T细胞活化及T细胞介导的杀伤等相关通路的激活。小鼠M2型巨噬细胞标志物在治疗下呈下降趋势,提示肿瘤消退。抗LCN2所引发的这种T细胞活化及小鼠M2型巨噬细胞削弱,正是其作为免疫增敏剂的潜在基础,该增敏剂有望通过T细胞介导的细胞毒性作用吞噬肿瘤细胞。
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。




