新型LAIR1拮抗剂联合抗PD-1治疗胶原丰富实体瘤的抗肿瘤活性(小鼠)
研究聚焦胶原丰富实体瘤(尤其是难治性肺癌模型)中 LAIR1 与胶原相互作用对抗 PD-1 治疗应答的抑制机制,涉及 LAIR1 拮抗剂 NGM438 及其小鼠替代抗体

基本信息
资源简介
新型LAIR1拮抗剂联合抗PD-1治疗胶原丰富实体瘤的抗肿瘤活性(小鼠)
Anti-tumor activity of a novelLAIR1antagonist in combination with anti-PD-1to treat collagen-rich solid tumors (mouse)
该数据集来自 NCBI GEO(GSE260596),包含 1 个文件(GSE260596_series_matrix.txt.gz),采用高通量测序进行表达谱分析,物种为小鼠(10090),平台为 GPL24247。研究聚焦胶原丰富实体瘤(尤其是难治性肺癌模型)中 LAIR1 与胶原相互作用对抗 PD-1 治疗应答的抑制机制,涉及 LAIR1 拮抗剂 NGM438 及其小鼠替代抗体。数据可用于探索肿瘤基质髓系细胞抑制表型、LAIR1 表达与治疗抵抗的关系(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们最近报道,在一种难治性肺癌来源的模型中,对 PD-1 阻断的耐药涉及胶原沉积增加和胶原结合抑制性受体白细胞相关免疫球蛋白样受体 1(LAIR1),因此我们假设 LAIR1 和胶原协同抑制治疗应答。在此,我们报道 LAIR1 与肿瘤基质相关,并在人类肿瘤和小鼠癌症模型的瘤内髓系细胞中高表达。基质相关髓系细胞表现出抑制表型,并与人类癌症中的 LAIR1 表达相关。NGM438 是一种新型人源化 LAIR1 拮抗剂单克隆抗体,通过结合 LAIR1 并阻断胶原结合,引发髓系炎症和同种异体 T 细胞应答。此外,一种小鼠反应性 NGM438 替代抗体使难治性 KP 小鼠肺肿瘤对 anti-PD-1 治疗敏感
【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:GPL24247、10090。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=GSE260596
【使用注意】
· 源站最后修改于 Aug 07 202,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=GSE260596
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
我们最近报道,在难治性肺癌来源的模型中,对PD-1阻断的耐药性与胶原沉积增加以及胶原结合抑制性受体白细胞相关免疫球蛋白样受体1(LAIR1)有关,因此我们假设LAIR1与胶原协同作用以抑制治疗反应。在此,我们报道LAIR1与肿瘤基质相关,并在人肿瘤和小鼠癌症模型的瘤内髓系细胞中高表达。基质相关髓系细胞表现出抑制性表型,并与人类癌症中LAIR1的表达相关。NGM438是一种新型人源化LAIR1拮抗剂单克隆抗体,通过结合LAIR1并阻断胶原结合,引发髓系炎症和同种异体T细胞反应。此外,一种小鼠反应性NGM438替代抗体使难治性KP小鼠肺部肿瘤对抗PD-1治疗敏感,并导致瘤内CD8+ T细胞含量和炎症基因表达增加。
这些数据将LAIR1置于基质与抑制性髓系细胞的交汇点,并支持了阻断LAIR1/胶原轴有可能在临床上解决检查点抑制剂治疗耐药问题的观点。
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。




