GSE285498:大麻二酚增强DNA损伤后p53驱动的非小细胞肺癌自噬性细胞死亡:超越经典通路的新型协同策略
该数据集来自NCBI GEO,包含1个文件(GSE285498_series_matrix.txt.gz),聚焦非小细胞肺癌(NSCLC)中CBD与依托泊苷联合处理的转录组与蛋白质组分析

基本信息
资源简介
GSE285498:大麻二酚增强DNA损伤后p53驱动的非小细胞肺癌自噬性细胞死亡:超越经典通路的新型协同策略
Cannabidiol Potentiates p53-Driven Autophagic Cell Death in Non-Small Cell Lung Cancer Following DNA Damage: A Novel Synergistic Approach Beyond Canonical Pathways
该数据集来自NCBI GEO,包含1个文件(GSE285498_series_matrix.txt.gz),聚焦非小细胞肺癌(NSCLC)中CBD与依托泊苷联合处理的转录组与蛋白质组分析。研究显示联合用药上调自噬性细胞死亡相关基因、下调关键癌基因,可用于探索协同抗癌机制及候选靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 29 202。
【数据内容】
源站描述(机器翻译,仅供参考):寻找更有效、更安全的癌症疗法促使人们日益关注使用成熟药物的联合治疗。本研究探讨源自大麻的化合物大麻二酚(CBD)增强依托泊苷对非小细胞肺癌(NSCLC)抗癌作用的潜力。尽管CBD主要用于控制儿童癫痫,但其更广泛的治疗应用正被积极研究,尤其是在肿瘤学领域。我们的结果显示,在测试的多种化疗药物中,依托泊苷与CBD联用时对NSCLC细胞活力的降低最为显著。为理解这种协同效应,我们进行了广泛的转录组和蛋白质组分析,结果显示CBD与依托泊苷联用上调了与自噬性细胞死亡相关的基因,同时下调了关键癌基因
【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:GPL16791、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=GSE285498
【使用注意】
· 源站最后修改于 Jun 16 202,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=GSE285498
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
寻找更有效、更安全的癌症疗法,促使人们日益关注使用成熟药物的联合治疗。本研究探讨了大麻二酚(CBD)——一种来源于大麻的化合物——增强依托泊苷对非小细胞肺癌(NSCLC)抗癌作用的潜力。尽管CBD主要用于控制儿童期癫痫,但其更广泛的治疗应用正被积极研究,尤其是在肿瘤学领域。我们的结果显示,在测试的多种化疗药物中,依托泊苷与CBD联合使用时对NSCLC细胞活力的降低最为显著。为理解这种协同效应,我们进行了广泛的转录组学和蛋白质组学分析,结果表明CBD与依托泊苷联合使用上调了与自噬性细胞死亡相关的基因,同时下调了已知驱动肿瘤进展的关键癌基因。这种对细胞死亡和癌基因抑制的双重作用由PI3K-AKT-mTOR信号通路的失活所介导——该通路是细胞生长和存活的关键调控因子——并且依赖于p53状态。
有趣的是,我们的分析显示,这种联合疗法并不依赖于传统的大麻素受体或瞬时受体电位阳离子通道,这表明CBD通过新颖的、非经典机制发挥其抗癌作用。研究结果表明,CBD与依托泊苷的联合使用可能代表一种开创性的非小细胞肺癌(NSCLC)治疗方法,特别是在传统疗法失败的情况下。通过诱导自噬性细胞死亡和抑制致癌途径,这一治疗策略为增强NSCLC的治疗效果提供了一条充满希望的新途径,尤其是在p53功能完整的肿瘤中。
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。




