缺氧非小细胞肺癌基因表达

缺氧促进癌症侵袭性生长导致化疗耐药,新策略靶向缺氧激活信号通路。为此建立离体模型,在保留肿瘤微环境和三维结构的非小细胞肺癌(NSCLC)片段中研究缺氧效应

omicsdi
浏览 22
时间序列分类Transcriptomics
Gene expression in hypoxic non-small cell lung cancer

基本信息

模态
时间序列
任务类型
分类
创建/更新时间
2026-10-01

资源简介

缺氧非小细胞肺癌基因表达

缺氧促进癌症侵袭性生长导致化疗耐药,新策略靶向缺氧激活信号通路。肿瘤缺氧影响基质。为此建立离体模型,在保留肿瘤微环境和三维结构的非小细胞肺癌(NSCLC)片段中研究缺氧效应。NSCLC片段在缺氧或常氧下离体培养三天,对十例患者片段行cDNA微阵列分析。缺氧较常氧有107个基因显著调控且至少两倍变化;但腺癌和鳞癌中仅四个基因均显著调控,独立样本定量PCR验证(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):缺氧会触发侵袭性肿瘤生长,并导致化疗耐药。新型治疗策略旨在靶向缺氧激活的信号通路。肿瘤缺氧不仅影响肿瘤细胞,也影响周围的基质细胞。因此,建立了一种新的离体模型,可在保留肿瘤微环境和三维结构的非小细胞肺癌(NSCLC)片段中研究缺氧效应。微阵列分析鉴定出107个显著调控基因,与常氧片段相比,这些基因在缺氧片段中的表达变化至少为2倍。然而,在腺癌和鳞状细胞癌这两种亚型中,仅有4个基因受到显著调控。这4个基因的缺氧调控通过定量PCR在一个独立样本集中得到验证。将非小细胞肺癌(NSCLC)片段在缺氧或常氧条件下离体培养3天。对来自10例患者的缺氧和常氧肺癌片段进行了cDNA微阵列分析。

【主题与分类】

主题标签:Transcriptomics。本站分类:肿瘤/肺癌。

【获取与许可】

源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30979

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-30979

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

缺氧会触发侵袭性肿瘤生长,并导致化疗耐药。新型治疗策略旨在靶向缺氧激活的信号通路。肿瘤缺氧不仅影响肿瘤细胞,也影响周围的基质细胞。因此,建立了一种新的离体模型,可在保留肿瘤微环境和三维结构的非小细胞肺癌(NSCLC)片段中研究缺氧效应。微阵列分析鉴定出107个显著调控基因,与常氧片段相比,这些基因在缺氧片段中的表达变化至少为2倍。然而,在腺癌和鳞状细胞癌这两种亚型中,仅有4个基因受到显著调控。这4个基因的缺氧调控通过定量PCR在一个独立样本集中得到验证。将非小细胞肺癌(NSCLC)片段在缺氧或常氧条件下离体培养3天。对来自10例患者的缺氧和常氧肺癌片段进行了cDNA微阵列分析。

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。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。