膜胆固醇与炎症信号决定肿瘤对订书肽溶瘤敏感性的数据集
该数据集来自 NCBI GEO(GSE315958),包含高通量测序表达谱数据,聚焦肿瘤与白血病细胞对订书肽 StAMP51.2 的敏感性差异

基本信息
资源简介
膜胆固醇与炎症信号决定肿瘤对订书肽溶瘤敏感性的数据集
Cancer Susceptibility to Stapled Oncolytic Peptides is Dictated by Membrane Cholesterol and Inflammatory Signaling
该数据集来自 NCBI GEO(GSE315958),包含高通量测序表达谱数据,聚焦肿瘤与白血病细胞对订书肽 StAMP51.2 的敏感性差异。研究通过 PRISM 高通量细胞毒性筛选识别敏感细胞及生物标志物,并在敏感(OCI-AML3)与耐药(K562)白血病细胞系中验证。数据可用于探索膜胆固醇与炎症信号对溶瘤肽敏感性的调控机制,支持肿瘤治疗反应预测与生物标志物发现(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):复发和难治性癌症有效克服了多种癌症治疗模式,这些模式的主要靶点是核酸和蛋白质。癌细胞质膜代表了一种替代且未充分利用的靶点,膜裂解有潜力诱导快速、促炎性细胞死亡,从而规避肿瘤内异质性和免疫逃逸的挑战。在此,我们将 StAMP51.2(一种先前针对革兰氏阴性菌选择性膜裂解优化的订书肽 Magainin II)重新用于靶向癌细胞膜。使用 PRISM(一种高通量癌症细胞毒性筛选),我们识别出对 StAMP51.2 最敏感的癌细胞及易感性生物标志物,特别是胆固醇酯降低和甘油三酯升高。我们在一对敏感(OCI-AML3)和耐药(K562)白血病细胞系中验证了该特征,cor
【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:GPL24676、9606。本站分类:肿瘤/白血病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE315958
【使用注意】
· 源站最后修改于 Sep 18 202,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=GSE315958
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
复发性和难治性癌症能够有效克服多种癌症治疗方式,而这些治疗的主要靶点是核酸和蛋白质。癌细胞的血浆膜代表了一种替代性且尚未充分利用的靶点,具有通过膜裂解诱导快速、促炎性细胞死亡的潜力,从而规避肿瘤内异质性和免疫逃逸带来的挑战。在此,我们重新利用了StAMP51.2——一种先前针对革兰氏阴性菌选择性膜裂解而优化的订书肽Magainin II肽——来靶向癌细胞膜。利用PRISM这一高通量癌细胞毒性筛选平台,我们鉴定出对StAMP51.2最敏感的癌细胞及其易感性生物标志物,具体表现为胆固醇酯降低和甘油三酯升高。我们在一对敏感(OCI-AML3)和耐药(K562)白血病细胞系中验证了该特征,并将其差异反应与不同的脂质组学谱相关联。OCI-AML3细胞在培养中的易感性延伸至体内环境,StAMP51.2在原位和腹腔内模型中抑制了白血病生长。
为进一步阐明其作用机制,我们着手构建了对StAMP51.2耐药的OCI-AML3细胞,这一过程需要四个月的低剂量暴露。引人注目的是,耐药OCI-AML3细胞重现了天然耐药K562细胞的脂质组学表型。转录组分析进一步揭示,脂质重编程伴随着炎症信号通路的广泛下调。因此,在将StAMP51.2推进为溶瘤原型的过程中,我们发现了一条连接膜完整性与炎症信号的免疫调控轴。
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。




