CAF驱动NSCLC球体形成与胸膜播散
研究通过体外共培养与体内胸膜播散模型，发现癌症相关成纤维细胞（CAF）促进癌细胞迁移、非锚定依赖生长、黏附、侵袭及球体形成，并借助 RNA 测序揭示 CAF 上调癌细胞中 CCN1 表达
基本信息
资源简介
CAF驱动NSCLC球体形成与胸膜播散
CAF drives spheroid formation and pleural dissemination in NSCLC
该数据集来自 NCBI GEO，标题为 CAF drives spheroid formation and pleural dissemination in NSCLC，聚焦非小细胞肺癌胸膜播散机制。研究通过体外共培养与体内胸膜播散模型，发现癌症相关成纤维细胞（CAF）促进癌细胞迁移、非锚定依赖生长、黏附、侵袭及球体形成，并借助 RNA 测序揭示 CAF 上调癌细胞中 CCN1 表达。数据含 1 个文件 GSE293572_series_matrix.txt.gz，属高通量测序表达谱，可用于肺癌微环境与播散相关分析（来源 NCBI）。
【数据集背景】
源站首次发布：Apr 02 202。
【数据内容】
源站描述（机器翻译，仅供参考）：非小细胞肺癌（NSCLC）的胸膜播散是指癌细胞从原发肿瘤部位直接扩散至肺外胸腔，并在胸膜定植。本研究旨在探讨癌症相关成纤维细胞（CAF）对 NSCLC 胸膜播散发生的影响。通过体外共培养和体内胸膜播散模型，我们发现 CAF 促进癌细胞迁移、非锚定依赖生长、黏附、侵袭以及癌细胞的球体形成，从而导致胸膜播散的发生。RNA 测序分析显示，CAF 上调了癌细胞中细胞通讯网络因子 1（CCN1）这一基质细胞蛋白的表达。
【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：GPL28038、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=GSE293572
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=GSE293572
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
非小细胞肺癌（NSCLC）的胸膜播散是指癌细胞从原发肿瘤部位直接扩散至胸腔外，并在胸膜上定植。本研究旨在探讨癌相关成纤维细胞（CAFs）对NSCLC胸膜播散发生的影响。通过体外共培养和体内胸膜播散模型，我们发现CAFs促进癌细胞迁移、非锚定依赖性生长、黏附、侵袭及球体形成，从而导致胸膜播散的发生。RNA测序分析显示，CAFs上调了癌细胞中细胞通讯网络因子1（CCN1）——一种基质细胞蛋白——的表达。
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。
