PRJNA875910:MTFR2 在肝细胞癌中塑造免疫微环境屏障
该数据集来自 NCBI,围绕线粒体分裂调节因子 2(MTFR2)在肝细胞癌(HCC)中的作用,整合了八种 HCC 细胞系的 MTFR2 分析结果,以及来源于 HCC 组织 bulk 数据的三个数据集(公共数据集、真实世界数据集、免疫治疗数据集)及生存与免疫治疗数据

基本信息
资源简介
PRJNA875910:MTFR2 在肝细胞癌中塑造免疫微环境屏障
该数据集来自 NCBI,围绕线粒体分裂调节因子 2(MTFR2)在肝细胞癌(HCC)中的作用,整合了八种 HCC 细胞系的 MTFR2 分析结果,以及来源于 HCC 组织 bulk 数据的三个数据集(公共数据集、真实世界数据集、免疫治疗数据集)及生存与免疫治疗数据。研究显示 MTFR2 在 HCC 中表达上调并与不良预后相关,与免疫细胞浸润水平、多个免疫检查点和免疫治疗反应预测通路正相关,在肿瘤-免疫循环中发挥重要作用。数据可用于转录组与基因表达分析、免疫微环境及免疫治疗反应预测研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):肝细胞癌(HCC)是全球癌症相关死亡的主要原因之一。线粒体分裂调节因子 2(MTFR2)参与多种癌症的发生发展。然而,MTFR2 在 HCC 中的作用仍不清楚。在本研究中,我们对 HCC 中的 MTFR2 进行了全面分析,该分析基于八种 HCC 细胞系的整合性 MTFR2 分析,以及来源于 HCC 组织 bulk 数据的三个数据集(公共数据集、真实世界数据集、免疫治疗数据集)及生存和免疫治疗数据。我们证明 MTFR2 的表达水平在 HCC 中上调,导致不良预后。MTFR2 与免疫细胞浸润水平、多个免疫检查点和免疫治疗反应预测通路呈正相关,并在肿瘤-免疫循环中发挥重要作用。总之,我们的工作表明 MTFR2 可以塑造免疫微环境屏障
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/肝癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA875910
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/bioproject/PRJNA875910
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
肝细胞癌(HCC)是全球癌症相关死亡的主要原因之一。线粒体分裂调节因子2(MTFR2)参与多种癌症的发生发展。然而,MTFR2在HCC中的作用仍不清楚。在本研究中,我们对HCC中的MTFR2进行了全面分析,该分析基于对8种HCC细胞系的MTFR2整合分析,以及源自HCC组织 bulk 数据的三个数据集(公共数据集、真实世界数据集、免疫治疗数据集)、生存数据和免疫治疗数据。我们证明MTFR2在HCC中表达水平上调,导致预后不良。MTFR2与免疫细胞浸润水平、多种免疫检查点及免疫治疗反应预测通路呈正相关,并在肿瘤-免疫循环中发挥重要作用。总之,我们的工作表明MTFR2可塑造免疫微环境屏障并导致肝细胞癌预后不良,但该免疫屏障可能被免疫治疗打破。总体设计:对肝细胞癌患者抗PD-1免疫治疗的RNA-Seq数据进行比较基因表达谱分析。
*** 提交人声明,由于患者隐私方面的顾虑,原始数据无法提供。***
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。




