肺腺癌脑转移高置信度细胞系数据集
该数据集来自 NCBI GEO,包含肺腺癌脑转移相关的高置信度细胞系研究数据。研究者通过低细胞数循环颅内注射(500-4000 个细胞)于裸鼠,成功建立 H1975-BM1、BM2 和 BM3 细胞系,并利用 RNA 测序与生物信息学分析揭示这些细胞系间的转录组差异,发现 H1975-BM1 细胞主

基本信息
资源简介
肺腺癌脑转移高置信度细胞系数据集
Distinct Characteristics of Brain Metastasis in Lung Adenocarcinoma: Development of High-Confidence Cell Lines
该数据集来自 NCBI GEO,包含肺腺癌脑转移相关的高置信度细胞系研究数据。研究者通过低细胞数循环颅内注射(500-4000 个细胞)于裸鼠,成功建立 H1975-BM1、BM2 和 BM3 细胞系,并利用 RNA 测序与生物信息学分析揭示这些细胞系间的转录组差异,发现 H1975-BM1 细胞主要表现出干细胞功能与迁移特征。数据可用于研究肺腺癌脑转移的分子机制及细胞系特异性表达模式(来源 NCBI)。
【数据集背景】
源站首次发布:May 13 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺癌是全球癌症相关死亡的主要原因之一,约 30-55% 的患者发生脑转移,尤其是肺腺癌。由于获取真正的脑转移肿瘤细胞存在困难,研究人员通常使用裸鼠模型建立脑转移细胞系,但传统方法存在成本高、耗时长、需要专用成像设备等局限性。为解决这些问题,我们开发了一种改进方法,通过在裸鼠中进行低细胞数循环颅内注射(500-4000 个细胞),成功建立了 H1975-BM1、BM2 和 BM3 细胞系。通过 RNA 测序和生物信息学分析,我们鉴定了这些细胞系之间的转录组差异,揭示 H1975-BM1 细胞主要表现出干细胞功能和迁移特征,
【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:GPL29480、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=GSE297016
【使用注意】
· 源站最后修改于 May 30 202,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=GSE297016
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
肺癌是全球癌症相关死亡的主要原因之一,脑转移发生率约为30-55%,尤其在肺腺癌中更为常见。由于获取真实的脑转移肿瘤细胞存在困难,研究人员通常使用裸鼠模型建立脑转移细胞系,但传统方法存在成本高、周期长、需要专业成像设备等局限性。为解决这些问题,我们开发了一种改进方法,通过在裸鼠中进行低细胞数量的循环颅内注射(500-4000个细胞),成功建立了H1975-BM1、BM2和BM3细胞系。通过RNA测序和生物信息学分析,我们鉴定了这些细胞系之间的转录组差异,揭示H1975-BM1细胞主要表现出干细胞功能和迁移特征,而H1975-BM3细胞则显示出与相互作用相关的增强的趋化性、细胞黏附和细胞因子分泌。
实验验证,包括Transwell实验、CCK8、细胞黏附实验以及裸鼠皮下肿瘤植入,进一步证实了这些发现,其中H1975-BM3形成了更大的肿瘤和更明显的分泌囊腔。总之,我们改进的方法成功建立了高可信度的脑转移肺腺癌细胞系,阐明了脑转移进展不同阶段独特的转录组和功能特征。
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。




