TAT-CRE吸入诱导肺癌小鼠模型与腺病毒Cre重组酶对比数据集
该数据集来自NCBI,包含一个系列矩阵文件,围绕肺癌小鼠模型展开。研究比较了TAT-CRE(生物安全等级S1)与腺病毒Cre重组酶(生物安全等级S2)诱导的、由KrasG12D表达和Trp53缺失驱动的肺腺癌,采用高通量测序进行表达谱分析

基本信息
资源简介
TAT-CRE吸入诱导肺癌小鼠模型与腺病毒Cre重组酶对比数据集
TAT-CRE inhalation enables tumor induction corresponding to adenoviral Cre-recombinase in a lung cancer mouse model
该数据集来自NCBI,包含一个系列矩阵文件,围绕肺癌小鼠模型展开。研究比较了TAT-CRE(生物安全等级S1)与腺病毒Cre重组酶(生物安全等级S2)诱导的、由KrasG12D表达和Trp53缺失驱动的肺腺癌,采用高通量测序进行表达谱分析。数据可用于评估两种诱导方式在肿瘤诱导中的对应关系,为肺癌基因工程小鼠模型研究提供转录组层面的参考(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):Cre重组酶诱导型模型系统广泛用于癌症研究,以操控特定组织中的基因表达并诱导原位肿瘤生长。这些系统通常涉及将含有loxP侧翼等位基因的基因工程生物与表达Cre重组酶的生物进行杂交。这种方法虽然有效,但面临因繁育需求而需要大量动物的挑战。癌症研究中其他常用的肿瘤诱导方法涉及直接应用病毒Cre重组酶载体。这种方法面临满足必要安全等级的设施可及性的挑战。在此背景下,我们对TAT-CRE(生物安全等级S1)和腺病毒Cre重组酶诱导(生物安全等级S2)的、由KrasG12D表达和Trp53缺失驱动的肺腺癌进行了全面比较。
【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:GPL13112、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=GSE294262
【使用注意】
· 源站最后修改于 Apr 25 202,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=GSE294262
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
Cre重组酶诱导型模型系统广泛应用于癌症研究,用于操控特定组织中的基因表达并诱导原位肿瘤生长。这些系统通常涉及将含有loxP侧翼等位基因的基因工程生物与表达Cre重组酶的生物进行杂交。该方法虽然有效,但面临因繁育需求而需要大量动物的挑战。癌症研究中其他常用的肿瘤诱导方法包括直接应用病毒Cre重组酶载体。该方法面临满足必要安全级别的设施可及性挑战。在此背景下,我们对TAT-CRE(生物安全级别S1)和腺病毒Cre重组酶诱导(生物安全级别S2)的由KrasG12D表达和Trp53缺失驱动的肺腺癌进行了全面比较。我们通过计算机断层扫描进行体内肺肿瘤监测、单细胞RNA测序、免疫组织化学和流式细胞术,以阐明TAT-CRE与腺病毒Cre重组酶诱导的肺腺癌之间的相似性和差异。
TAT-CRE诱导的肺肿瘤在微血管和巨噬细胞方面表现出差异,但与腺病毒-Cre重组酶诱导的肺肿瘤相比,具有相应的肿瘤发生和生长特征。综上所述,TAT-CRE是一种有价值的遗传工程安全级别S1替代方案,可用于癌症诱导,并可能应用于肺癌以外的其他癌症模型。
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。




