对肿瘤细胞有反应性与无反应性TILs的基因表达差异
该数据集来自NCBI GEO(GSE252437),比较对自体肿瘤细胞有反应性与无反应性的肿瘤浸润淋巴细胞(TILs)的基因表达差异

基本信息
资源简介
对肿瘤细胞有反应性与无反应性TILs的基因表达差异
Gene expression differences between TILs that are reactive to tumor cells and TILs that are not reactive
该数据集来自NCBI GEO(GSE252437),比较对自体肿瘤细胞有反应性与无反应性的肿瘤浸润淋巴细胞(TILs)的基因表达差异。研究从乳腺肿瘤组织培养TILs和癌细胞,以干扰素γ(IFN-γ)判定反应性,采用高通量测序进行表达谱分析。数据可用于识别TILs反应性相关基因表达特征,辅助肿瘤免疫微环境及过继细胞治疗研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤浸润淋巴细胞(TILs)的临床意义已在多种肿瘤类型中得到证实。在临床试验中,免疫检查点抑制剂在黑色素瘤、膀胱癌和吸烟诱导的肺癌等高突变负荷肿瘤类型中显示出显著临床疗效,而在乳腺癌等突变率较低的癌症中效果甚微。近期,自体突变特异性TILs的选择与过继转移在一名雌激素受体阳性乳腺癌患者中成功使转移性肿瘤消退。在本研究中,我们分析了针对自体乳腺癌细胞有反应性或无反应性的培养TILs的基因表达谱。我们培养了来自手术获得的乳腺肿瘤组织的TILs和癌细胞。TILs对癌细胞的反应性通过干扰素γ(IFN-
【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=GSE252437
【使用注意】
· 源站最后修改于 Jun 30 202,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=GSE252437
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
肿瘤浸润淋巴细胞(TILs)的临床意义已在多种肿瘤类型中得到证实。在临床试验中,免疫检查点抑制剂在黑色素瘤、膀胱癌和吸烟诱导的肺癌等高突变负荷的某些肿瘤类型中显示出显著的临床疗效,而在乳腺癌等突变率较低的癌症中效果甚微。近期,自体突变特异性TILs的筛选与过继转移在一位雌激素受体阳性乳腺癌患者中成功实现了转移性肿瘤的消退。在本研究中,我们分析了培养的TILs中对自体乳腺癌细胞有反应性或无反应性的基因表达谱。我们培养了来自手术获取的乳腺肿瘤组织的TILs和癌细胞。TILs对癌细胞的反应性通过TILs与癌细胞共培养24小时后的干扰素γ(IFN-γ)ELISA分析来确定。使用RNeasy试剂盒从培养的TILs(REP后TILs)中纯化总RNA。基因表达文库通过Illumina TruSeq RNA文库制备试剂盒生成并进行测序。
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。




