GSE238188:小细胞肺癌患者循环肿瘤细胞与外泌体中JUNB和CXCR4表达研究
该数据集来自NCBI GEO,聚焦小细胞肺癌(SCLC)患者循环肿瘤细胞(CTC)及血浆外泌体中JUNB与CXCR4的表达

基本信息
资源简介
GSE238188:小细胞肺癌患者循环肿瘤细胞与外泌体中JUNB和CXCR4表达研究
Investigating JUNB and CXCR4 expression in Circulating Tumor Cells and exosomes derived from Small Cell Lung Cancer (SCLC) patients
该数据集来自NCBI GEO,聚焦小细胞肺癌(SCLC)患者循环肿瘤细胞(CTC)及血浆外泌体中JUNB与CXCR4的表达。研究纳入100例基线SCLC患者,其中58例完成外泌体分离,采用VyCAP系统分析细胞离心涂片,并基于分子与转录组特征表征外泌体。数据包含1个系列矩阵文件,主题为非编码RNA高通量测序,可用于探索SCLC预后生物标志物及CTC与外泌体分子特征(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 25 202。
【数据内容】
源站描述(机器翻译,仅供参考):小细胞肺癌增强的转移能力要求发现预后生物标志物,以支持疾病过程中的决策。我们此前已证明JUNB和CXCR4表达在乳腺癌和非小细胞肺癌(NSCLC)患者循环肿瘤细胞(CTC)中的临床意义。在本研究中,我们旨在探索上述生物标志物在患者CTC和血浆来源外泌体中的表达水平。研究纳入100例基线小细胞肺癌患者;其中58例进行了外泌体分离。使用VyCAP系统分析细胞离心涂片,并基于其分子和转录组谱对外泌体进行表征。JUNB和CXCR4在大多数CTC中表达。患者中两种生物标志物的外泌体蛋白表达与健康供者相比存在显著差异
【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:GPL33623、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=GSE238188
【使用注意】
· 源站最后修改于 Jul 16 202,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=GSE238188
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
小细胞肺癌增强的转移能力凸显了发现预后生物标志物以支持疾病病程中决策的必要性。我们此前已证明JUNB和CXCR4表达在乳腺癌和非小细胞肺癌(NSCLC)患者循环肿瘤细胞(CTC)中的临床意义。在本研究中,我们旨在探索上述生物标志物在患者CTC及血浆来源外泌体中的表达水平。研究纳入了一百名基线期SCLC患者;其中58名进行了外泌体分离。使用VyCAP系统分析细胞离心涂片,并基于分子和转录组谱对外泌体进行表征。JUNB和CXCR4在大多数CTC中表达。患者中两种生物标志物的外泌体蛋白表达与健康供者相比存在显著差异(分别为p = 0.003和p = 0.027),而在外泌体中过表达JUNB和CXCR4的患者中观察到高区分能力(c统计量分别为0.949和0.903)。CTC中JUNB和/或CXCR4的存在与较差的OS相关(p = 0.025)。
CXCR4在外泌体中的过表达与循环肿瘤细胞(CTCs)的存在及其表型相关。最后,对4例小细胞肺癌(SCLC)患者进行的miRNA分析显示了众多参与SCLC发病机制的生物学过程和信号通路。我们的研究首次尝试评估SCLC患者液体活检的两个不同方面(CTCs和外泌体),关注JUNB和CXCR4的表达,旨在提供一种潜在的新预后和/或诊断方法。
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。




