GSE261880:芍药根联合疗法克服NSCLC对EGFR抑制剂的耐药性
研究聚焦非小细胞肺癌(NSCLC)对EGFR抑制剂厄洛替尼和吉非替尼的耐药问题,通过转录组分析芍药根(PR)处理后的基因表达变化,探索其逆转耐药基因特征的潜力,并在H1650和H1975细胞中验证联合用药效果

基本信息
资源简介
GSE261880:芍药根联合疗法克服NSCLC对EGFR抑制剂的耐药性
Combination therapy strategy to overcome resistance to EGFR inhibitors in NSCLC with Paeoniae Radix
该数据集来自NCBI GEO,包含1个文件(GSE261880_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为人类(9606),平台为GPL30209。研究聚焦非小细胞肺癌(NSCLC)对EGFR抑制剂厄洛替尼和吉非替尼的耐药问题,通过转录组分析芍药根(PR)处理后的基因表达变化,探索其逆转耐药基因特征的潜力,并在H1650和H1975细胞中验证联合用药效果。数据可用于研究EGFR抑制剂耐药机制及中药联合靶向治疗的转录组特征(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):表皮生长因子受体(EGFR)抑制剂作为非小细胞肺癌(NSCLC)的靶向疗法,显著提高了患者的生存率和生活质量。然而,尽管取得了这些进展,仍有相当比例的患者对EGFR抑制剂表现出耐药性,限制了其整体治疗效果。本研究探讨了将芍药根(PR)与EGFR抑制剂厄洛替尼和吉非替尼联合使用以克服这种耐药性的协同效应。对PR处理的转录组分析揭示了其逆转与EGFR抑制剂耐药相关基因特征的潜力,该特征是通过分析EGFR突变NSCLC细胞系数据库确定的。联合治疗实验证实,PR增加了H1650和H1975 NSCLC细胞对厄洛替尼和吉非替尼的敏感性。通过结合分子实验和转录组分析
【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:GPL30209、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=GSE261880
【使用注意】
· 源站最后修改于 Apr 29 202,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=GSE261880
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
表皮生长因子受体(EGFR)抑制剂作为非小细胞肺癌(NSCLC)的靶向治疗药物,显著提高了患者的生存率和生活质量。然而,尽管取得了这些进展,仍有相当比例的患者对EGFR抑制剂表现出耐药性,限制了其整体治疗效果。本研究探讨了将赤芍(Paeoniae Radix,PR)与EGFR抑制剂厄洛替尼和吉非替尼联合使用的协同效应,以克服这种耐药性。PR处理的转录组分析揭示了其逆转与EGFR抑制剂耐药相关基因特征的潜力,该基因特征是通过分析EGFR突变NSCLC细胞系数据库确定的。联合处理实验证实,PR增强了H1650和H1975 NSCLC细胞对厄洛替尼和吉非替尼的敏感性。通过结合分子实验和转录组分析,我们发现PR可能通过调节Aurora B和凋亡通路来抑制耐药性。值得注意的是,联合治疗比单药治疗更显著地上调了凋亡通路并下调了Aurora B通路。
这些结果可能有助于开发基于天然产物的联合治疗策略,以抑制NSCLC中的耐药性。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




