靶向PCDH7的单克隆抗体抑制非小细胞肺癌肿瘤生长并增强靶向治疗反应
研究聚焦非小细胞肺癌(NSCLC),涉及PCDH7这一细胞表面蛋白在肺腺癌中的过表达及其与不良预后的关联,并报道了抗PCDH7单克隆抗体的开发与功能表征

基本信息
资源简介
靶向PCDH7的单克隆抗体抑制非小细胞肺癌肿瘤生长并增强靶向治疗反应
Monoclonal antibodies targeting PCDH7 inhibit tumor growth and enhance targeted therapy response in non-small cell lung cancer
该数据集来自NCBI GEO,包含1个文件GSE235391_series_matrix.txt.gz,基于高通量测序的表达谱分析,物种为人类(9606),平台GPL16791。研究聚焦非小细胞肺癌(NSCLC),涉及PCDH7这一细胞表面蛋白在肺腺癌中的过表达及其与不良预后的关联,并报道了抗PCDH7单克隆抗体的开发与功能表征。数据可用于探索PCDH7作为治疗靶点的价值、MAPK通路抑制机制以及抗体联合MEK抑制剂trametinib的增敏效应(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们确定了Protocadherin 7(PCDH7)在NSCLC中的关键致癌作用,PCDH7是一种细胞表面蛋白,属于Cadherin超家族成员。PCDH7在肺腺癌(LUAD)中频繁过表达,并与不良临床结局相关。敲除Pcdh7可减少高分级NSCLC小鼠模型中的肺部肿瘤负荷并延长生存期,表明该蛋白是一个可成药的治疗靶点。在此,我们报道了高亲和力抗PCDH7单克隆抗体(mAbs)的开发与表征,这些抗体可抑制下游MAPK通路激活,并在多种小鼠模型(包括KRAS和EGFR突变模型)中抑制肿瘤生长。先导mAb(mAb7)使肿瘤对FDA批准的MEK抑制剂trametinib敏感。此外,人源化mAb7-IgG1表现出抗体依赖性细胞毒性(ADCC)和Fc介导的免疫效应细胞杀伤肿瘤细胞
【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:GPL16791、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=GSE235391
【使用注意】
· 源站最后修改于 Aug 04 202,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=GSE235391
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
我们确定了Protocadherin 7(PCDH7)在非小细胞肺癌(NSCLC)中的关键致癌作用,这是一种细胞表面蛋白,属于钙黏蛋白超家族成员。PCDH7在肺腺癌(LUAD)中频繁过表达,并与不良临床预后相关。在高级别NSCLC小鼠模型中,Pcdh7的缺失减少了肺部肿瘤负荷并延长了生存期,证明该蛋白是一个可成药的治疗靶点。在此,我们报告了高亲和力抗PCDH7单克隆抗体(mAbs)的开发与特性分析,这些抗体能抑制下游MAPK通路的激活,并在多种小鼠模型中抑制肿瘤生长,包括KRAS和EGFR突变模型。先导单克隆抗体(mAb7)使肿瘤对FDA批准的MEK抑制剂曲美替尼敏感。此外,人源化的mAb7-IgG1在体内表现出抗体依赖性细胞介导的细胞毒性(ADCC)和Fc介导的免疫效应细胞杀伤肿瘤细胞。这些发现为针对PCDH7的抗体用于治疗NSCLC及其他PCDH7高表达肿瘤类型的临床开发迈出了重要一步。
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。




