快速增殖且缓慢迁移的非小细胞肺癌细胞对decitabine与retinoic acid联合治疗敏感
该数据集来自NCBI GEO,包含一项非小细胞肺癌(NSCLC)细胞系研究,测试DNA去甲基化药物decitabine(DAC)与全反式维甲酸(ATRA)联合治疗的疗效

基本信息
资源简介
快速增殖且缓慢迁移的非小细胞肺癌细胞对decitabine与retinoic acid联合治疗敏感
Fast proliferating and slowly migrating non-small cell lung cancer cells are vulnerable to decitabine and retinoic acid combinatorial treatment
该数据集来自NCBI GEO,包含一项非小细胞肺癌(NSCLC)细胞系研究,测试DNA去甲基化药物decitabine(DAC)与全反式维甲酸(ATRA)联合治疗的疗效。研究筛选了56种NSCLC细胞系,发现77%的细胞系在联合治疗后活力下降,并通过转录组学、蛋白质组学、增殖与迁移分析揭示快速增殖且缓慢迁移的细胞系更敏感,致癌KRAS突变仅见于敏感细胞。数据可用于探索NSCLC药物敏感性分类及联合治疗响应机制(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):非小细胞肺癌(NSCLC)患者常为老年人或不适合强化治疗者,因此无法耐受标准的激进治疗方案。在本研究中,我们测试了DNA去甲基化药物decitabine(DAC)与全反式维甲酸(ATRA)联合治疗的疗效,后者已被证明全身不良反应较小。筛选56种NSCLC细胞系的广泛面板发现,联合治疗后77%的细胞系活力下降。转录组学、蛋白质组学、增殖和迁移分析显示,快速增殖且缓慢迁移的细胞系对药物组合更敏感。突变谱比较发现致癌KRAS突变仅存在于敏感细胞中。此外,不同细胞系对治疗表现出异质性基因表达响应,提示作用机制多样。Silenci
【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/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE226712
【使用注意】
· 源站最后修改于 Jan 09 202,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=GSE226712
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
非小细胞肺癌(NSCLC)患者往往年老或体质虚弱,因而无法耐受标准的强力治疗方案。在本研究中,我们检验了DNA低甲基化剂地西他滨(DAC)与全反式维甲酸(ATRA)联合应用的疗效,后者已被证明全身不良反应很小。对56株NSCLC细胞系进行广泛筛选后发现,77%的细胞系在联合治疗后细胞活力下降。转录组学、蛋白质组学、增殖与迁移分析显示,增殖快、迁移慢的细胞系对药物联合更为敏感。突变谱比较发现,致癌性KRAS突变仅存在于敏感细胞中。此外,不同细胞系对治疗的基因表达反应具有异质性,提示作用机制多样。沉默KRAS、RIG-I或RARB可部分逆转KRAS突变型NCI-H460细胞的敏感性。为研究耐药性,我们构建了两个对ATRA和DAC耐药的细胞群体,其迁移速度快于、增殖速度慢于亲本敏感细胞,并表现出衰老迹象。
总之,这一综合数据集揭示了NSCLC细胞对DAC与ATRA联合治疗的广泛敏感性,并表明迁移和增殖能力与药物敏感性相关,因而可作为NSCLC药物敏感性的决定因素。
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。




