GSE278856:肺肿瘤微环境中肿瘤分期驱动的NK细胞成熟与细胞毒性功能破坏
该数据集来自 NCBI GEO,主题为肺肿瘤微环境中肿瘤分期驱动的 NK 细胞成熟与细胞毒性功能破坏,属于肿瘤/肺癌方向

基本信息
资源简介
GSE278856:肺肿瘤微环境中肿瘤分期驱动的NK细胞成熟与细胞毒性功能破坏
Tumor stage-driven disruption of NK cell maturation and cytotoxic functions in the lung tumor microenvironment
该数据集来自 NCBI GEO,主题为肺肿瘤微环境中肿瘤分期驱动的 NK 细胞成熟与细胞毒性功能破坏,属于肿瘤/肺癌方向。数据包含 1 个文件,样例为 GSE278856_series_matrix.txt.gz,采用高通量测序表达谱技术,涉及平台 GPL19057 与物种编号 10090。源站描述显示,研究通过单细胞转录组分析与拟时序分析,发现肿瘤微环境以肿瘤分期依赖的方式破坏 NK 细胞成熟轨迹,导致细胞毒性亚群被选择性排除,并通过功能实验观察到肿瘤内 NK 细胞死亡及细胞毒性能力下降,人类公共肺癌数据集分析也印证了肿瘤进展中 NK 细胞成熟功能障碍(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 04 202。
【数据内容】
源站描述(机器翻译,仅供参考):自然杀伤(NK)细胞在对抗癌症中发挥关键作用,既直接杀伤恶性细胞,也通过分泌细胞因子和趋化因子促进适应性免疫应答。在肺肿瘤微环境(TME)中,NK 细胞稀少且功能失调,但其潜在机制仍不清楚。通过对肺肿瘤进行单细胞转录组分析,并探索拟时序,我们发现 TME 以肿瘤分期依赖的方式破坏 NK 细胞的成熟轨迹,最终导致细胞毒性亚群被选择性排除。利用功能实验,我们观察到肿瘤内 NK 细胞死亡以及取决于肿瘤分期的细胞毒性能力下降。最后,我们对人类肺癌公共数据集的分析印证了这些发现,揭示了肿瘤进展过程中 NK 细胞存在平行的功能失调性成熟过程。
【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=GSE278856
【使用注意】
· 源站最后修改于 Jan 28 202,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=GSE278856
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
自然杀伤(NK)细胞在对抗癌症中发挥着关键作用,既可直接杀伤恶性细胞,也可通过分泌细胞因子和趋化因子促进适应性免疫应答。在肺部肿瘤微环境(TME)中,NK细胞数量稀少且功能失调,但其潜在机制仍不清楚。通过对肺部肿瘤进行单细胞转录组分析,并探索拟时序,我们发现TME以肿瘤分期依赖的方式破坏了NK细胞的成熟轨迹,最终导致细胞毒性亚群的选择性排除。利用功能实验,我们观察到肿瘤内NK细胞死亡以及细胞毒性能力的降低,且这一现象取决于肿瘤分期。最后,我们对人类肺癌公共数据集的分析证实了这些发现,揭示了肿瘤进展过程中NK细胞存在类似的成熟功能障碍过程。这些结果突出了肿瘤细胞逃避NK细胞细胞毒性的新机制,从而为定制化治疗策略铺平了道路。
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。




