肺癌中肿瘤相关巨噬细胞状态与非保守lncRNA的关联
TAM 是肿瘤微环境的核心参与者,可快速适应环境变化并呈现多种功能表型,但其功能可塑性的调控机制尚不完全清楚;lncRNA 作为表观遗传和转录后过程的关键调控因子,被认为可能参与 TAM 极化

基本信息
资源简介
肺癌中肿瘤相关巨噬细胞状态与非保守lncRNA的关联
Association of Tumour-Associated Macrophage States with Non-conserved lncRNAs in Lung Cancer
该数据集来自 NCBI GEO,标题为 Association of Tumour-Associated Macrophage States with Non-conserved lncRNAs in Lung Cancer,聚焦肺癌中肿瘤相关巨噬细胞(TAM)状态与非保守 lncRNA 的关联。TAM 是肿瘤微环境的核心参与者,可快速适应环境变化并呈现多种功能表型,但其功能可塑性的调控机制尚不完全清楚;lncRNA 作为表观遗传和转录后过程的关键调控因子,被认为可能参与 TAM 极化。数据包含 1 个文件 GSE302249_series_matrix.txt.gz,采用高通量测序进行表达谱分析,可用于研究 TAM 状态相关 ln。
【数据集背景】
源站首次发布:Jul 10 202。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤相关巨噬细胞(TAM)是肿瘤微环境中的核心参与者,驱动癌症进展并调节免疫反应。TAM 以其快速适应环境变化的能力而闻名,能够呈现广泛的功能表型。然而,这种功能可塑性背后的调控机制仍未完全清楚。长链非编码 RNA(lncRNA)作为表观遗传和转录后过程的关键调控因子,其在 TAM 极化中的潜在作用日益受到认可。
【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:GPL19057、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=GSE302249
【使用注意】
· 源站最后修改于 Jan 27 202,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=GSE302249
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
肿瘤相关巨噬细胞(TAMs)是肿瘤微环境中的核心参与者,驱动癌症进展并调节免疫反应。TAMs以其快速适应环境变化的能力而闻名,能够呈现出多种功能表型。然而,这种功能可塑性背后的调控机制仍未完全阐明。长链非编码RNA(lncRNAs)作为表观遗传和转录后过程的关键调控因子,其在TAM极化中的潜在作用日益受到认可。在本研究中,我们对来源于小鼠和人类肺癌的TAMs中的lncRNA表达进行了全面的比较分析。尽管我们通过正交的计算机模拟方法鉴定出一小群小鼠lncRNAs可能是人类直系同源物,但大多数小鼠lncRNAs缺乏明确的人类对应物。总体而言,我们的研究结果揭示了小鼠和人类肺癌TAMs中lncRNA表达的显著差异,强调了利用基于人类的模型来深入研究lncRNAs在免疫调控中的作用以及弥合小鼠与人类癌症免疫学之间转化鸿沟的重要性。
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。




