衰老抑制致癌KRAS驱动的肺肿瘤发生并改变肿瘤抑制
该数据集来自NCBI GEO,标题为衰老抑制致癌KRAS驱动的肺肿瘤发生并改变肿瘤抑制,属于肿瘤/肺癌分类。数据基于基因工程小鼠模型,采用高通量测序进行表达谱分析,包含1个文件(GSE297023_series_matrix.txt.gz)

基本信息
资源简介
衰老抑制致癌KRAS驱动的肺肿瘤发生并改变肿瘤抑制
Aging represses oncogenic KRAS-driven lung tumorigenesis and alters tumor suppression
该数据集来自NCBI GEO,标题为衰老抑制致癌KRAS驱动的肺肿瘤发生并改变肿瘤抑制,属于肿瘤/肺癌分类。数据基于基因工程小鼠模型,采用高通量测序进行表达谱分析,包含1个文件(GSE297023_series_matrix.txt.gz)。研究显示衰老抑制致癌KRAS驱动的肿瘤起始与生长,并减弱部分抑癌基因失活的影响,其中PTEN失活的影响被不成比例地削弱。单细胞转录组分析揭示了肿瘤中肿瘤细胞的转录特征。该数据可用于研究衰老对肺癌发生及肿瘤抑制通路的影响(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):大多数癌症在六十岁以上人群中诊断,但年龄如何影响肿瘤发生知之甚少。虽然衰老伴随突变积累——普遍认为这增加癌症风险——但也伴随许多其他可能影响肿瘤发生的细胞和分子变化。此外,癌症发病率在人群最年长部分下降,提示高龄可能减少癌变。在这里我们展示,在人类肺癌的基因工程小鼠模型中,衰老抑制致癌KRAS驱动的肿瘤起始和生长。此外,衰老减弱许多但不是全部抑癌基因失活的影响,其中PTEN(PI3K/AKT通路的负调控因子)失活的影响被不成比例地削弱。单细胞转录组分析揭示,来自肿瘤的肿瘤细胞……
【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:GPL24247、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=GSE297023
【使用注意】
· 源站最后修改于 Aug 03 202,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=GSE297023
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
大多数癌症在六十岁以上人群中确诊,但年龄如何影响肿瘤发生尚知之甚少。衰老伴随突变积累——普遍认为这 contributed to cancer risk——同时也与众多可能影响肿瘤发生的其他细胞和分子变化相关。此外,癌症发病率在人群中最年长的部分有所下降,提示高龄可能降低致癌作用。在此,我们展示在人类肺癌的基因工程小鼠模型中,衰老抑制致癌性KRAS驱动的肿瘤起始和生长。此外,衰老减弱了失活许多(但非全部)肿瘤抑制基因的影响,其中失活PTEN——PI3K/AKT通路的负调控因子——的影响被削弱至不成比例的程度。单细胞转录组分析揭示,老年小鼠肿瘤中的肿瘤细胞保留了许多与年龄相关的转录组变化,表明年龄具有持久影响,且该影响贯穿于致癌转化过程。
此外,PTEN失活的后果显著依赖于年龄,PTEN缺陷减少了癌细胞和肿瘤微环境中的衰老特征。我们的发现表明,年龄与肺癌发病率之间的关系可能反映了驱动突变积累与衰老的肿瘤抑制效应之间相互竞争作用的综合结果。
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。




