uPAR作为复发性胶质母细胞瘤新型免疫治疗靶点
该数据集包含多组学和质谱数据，聚焦于复发性胶质母细胞瘤的免疫治疗研究，具体涉及患者来源细胞系的多组学分析、氢氘交换质谱对uPAR与纳米抗体结合的评估，以及uPAR CAR-T细胞在异种移植模型中的疗效实验，数据模态涵盖分子、细胞和临床前模型层面，主要用于探索uPAR作为新型免疫治疗靶点在改善GBM患者生存方面的潜力及其在肿瘤微环境中的作用。
基本信息
资源简介
uPAR作为复发性胶质母细胞瘤新型免疫治疗靶点
【数据集背景】
本数据集源站标题为《uPAR as a novel immunotherapeutic target in recurrent glioblastoma》。
【数据内容】
源站原始描述：Glioblastoma (GBM) comprises nearly 15% of primary CNS tumors, and 50% of malignant primary CNS tumors worldwide. Considerable tumoral heterogeneity exists within GBM, leading to inefficacy of current treatments, and the absence of meaningful improvements in frontline therapies in the last 20 years. Through multi-omic analysis of patient-derived primary and recurrent GBM cell lines we identify the urokinase plasminogen activator receptor (uPAR) as a pro-tumorigenic marker of putative brain tumor…
【主题与分类】
主题标签：Cancer treatment、Antibodies、Cancer immunotherapy。
【获取与许可】
源站页面：https://search.dataone.org/view/sha256:f421abc6d3f82d74ccf5657182880284caf4c967edabcf7b099923615d0e4e07
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
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
该数据集是一个针对复发性胶质母细胞瘤（GBM）的免疫治疗研究数据集，主要探索尿激酶型纤溶酶原激活物受体（uPAR）作为新型治疗靶点的潜力。数据集包含多组学分析数据，如患者来源的原发性和复发性GBM细胞系的多组学数据、氢氘交换质谱（HDX-MS）数据、以及uPAR嵌合抗原受体（CAR）T细胞在复发性GBM患者来源异种移植模型中的实验数据。数据来源于患者样本和体外/体内实验，通过质谱、基因编辑和免疫疗法评估构建。主要研究方向包括GBM的肿瘤异质性、uPAR在肿瘤起始细胞和肿瘤相关巨噬细胞中的表达、以及针对uPAR的CAR-T免疫疗法在改善生存率方面的应用，旨在为复发性GBM提供新的治疗策略和靶点验证。
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
