GSE263688:衰老通过激活整合应激反应促进转移
该数据集来自 NCBI GEO,标题为 GSE263688,聚焦衰老通过激活整合应激反应(ISR)促进肿瘤转移的机制。数据基于高通量测序的表达谱分析,涉及 KRAS 驱动的肺腺癌模型,主题标签包含 GPL19057 与小鼠物种编号 10090
基本信息
资源简介
GSE263688:衰老通过激活整合应激反应促进转移
Ageing promotes metastasis via activation of the integrated stress response
该数据集来自 NCBI GEO,标题为 GSE263688,聚焦衰老通过激活整合应激反应(ISR)促进肿瘤转移的机制。数据基于高通量测序的表达谱分析,涉及 KRAS 驱动的肺腺癌模型,主题标签包含 GPL19057 与小鼠物种编号 10090。数据可用于研究生理衰老如何重编程肿瘤演化轨迹、ISR-ATF4 轴与谷氨酰胺代谢依赖的关系,以及探索靶向 ISR-ATF4 限制肿瘤播散的潜在策略(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 10 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺癌主要影响老年人,但生理衰老如何影响肿瘤演化仍知之甚少。在此,我们表明衰老重编程了 KRAS 驱动的肺腺癌的演化轨迹,通过表观遗传激活整合应激反应(ISR)限制原发肿瘤生长,同时促进转移播散。ISR 效应因子 ATF4 驱动上皮和代谢可塑性,赋予转移能力。在机制上,衰老肿瘤细胞对未折叠蛋白反应的 PERK–eIF2α 分支表现出增加的敏感性,维持持续的 ATF4 信号传导。通过遗传或药理学手段靶向 ISR-ATF4 可消除这些适应性变化并限制播散,而仅 ATF4 过表达就足以诱导转移。衰老–ATF4 轴施加了对谷氨酰胺代谢的依赖,揭示了一种治疗
【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:GPL19057、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=GSE263688
【使用注意】
· 源站最后修改于 Apr 24 202,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=GSE263688
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
肺癌主要影响老年个体,但生理性衰老如何影响肿瘤演化仍知之甚少。在此,我们表明衰老重编程了KRAS驱动的肺腺癌的演化轨迹,限制了原发肿瘤生长,同时通过表观遗传激活整合应激反应(ISR)促进转移播散。ISR效应因子ATF4驱动上皮和代谢可塑性,赋予转移能力。在机制上,衰老肿瘤细胞对未折叠蛋白反应的PERK–eIF2α分支表现出更高的敏感性,维持持续的ATF4信号传导。通过遗传或药理学手段靶向ISR-ATF4可消除这些适应性变化并限制播散,而仅ATF4过表达就足以诱导转移。衰老–ATF4轴赋予了对谷氨酰胺代谢的依赖性,揭示了一个可用于治疗的脆弱靶点。临床分析证实,ATF4在老年肿瘤中富集,并与较差的生存率和晚期疾病相关。
总体而言,这些结果确定了表观遗传ISR–ATF4激活是老年肿瘤中谱系可塑性和转移的因果驱动因素,揭示了在老年肺腺癌患者中的治疗机会,肺腺癌是肺癌中最常见但研究不足的亚型。
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。




