局部抗生素打破肺癌中微生物群介导的免疫抑制,增强T记忆干细胞对PD-1阻断的应答
该数据集来自NCBI GEO,标题为局部抗生素打破肺癌中微生物群介导的免疫抑制并增强T记忆干细胞对PD-1阻断的应答。数据包含1个文件GSE265967_series_matrix.txt.gz,属于肿瘤/肺癌分类,采用高通量测序进行表达谱分析,物种为小鼠(10090),平台为GPL30172

基本信息
资源简介
局部抗生素打破肺癌中微生物群介导的免疫抑制,增强T记忆干细胞对PD-1阻断的应答
Local antibiotics break microbiota-mediated immune suppression in lung cancer, boosting T memory stem cell response to PD-1 blockade
该数据集来自NCBI GEO,标题为局部抗生素打破肺癌中微生物群介导的免疫抑制并增强T记忆干细胞对PD-1阻断的应答。数据包含1个文件GSE265967_series_matrix.txt.gz,属于肿瘤/肺癌分类,采用高通量测序进行表达谱分析,物种为小鼠(10090),平台为GPL30172。数据可用于研究肿瘤相关微生物群对免疫检查点抑制剂疗效的影响,以及气溶胶抗生素扰动微生物群后肺部免疫微环境与T记忆干细胞应答的变化(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺部存在常驻微生物群,在调节肺免疫耐受中发挥作用。肿瘤的存在会改变肺部微生物群,但肿瘤相关微生物群对ICIs阻断疗效的影响在很大程度上尚未探索。我们此前报道,通过抗生素/益生菌气溶胶化操作肺部微生物群可逆转免疫抑制并预防黑色素瘤和乳腺癌肺转移。在此,我们评估通过气溶胶化抗生素扰动肿瘤相关微生物群是否能提高荷实验性肺转移小鼠中ICIs的有效性。
【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:GPL30172、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=GSE265967
【使用注意】
· 源站最后修改于 Oct 15 202,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=GSE265967
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
肺部存在常驻微生物群,其在调节肺免疫耐受中发挥作用。肿瘤的存在会改变肺部微生物群,但肿瘤相关微生物群对ICIs阻断疗效的影响在很大程度上仍未被探索。我们此前报道,通过抗生素/益生菌雾化给药调控肺部微生物群可逆转免疫抑制并预防黑色素瘤和乳腺癌肺转移。在此,我们评估通过雾化抗生素扰动肿瘤相关微生物群是否能提高荷实验性肺转移小鼠中ICIs的疗效。
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。




