肺癌中细胞毒性CD39+肿瘤相关NK细胞对NKG2A阻断的响应(10X Multiome)
该数据集来自非小细胞肺癌(NSCLC)患者样本,采用匹配的单核RNA与ATAC测序(10X Multiome)解析肿瘤浸润NK细胞的转录与表观遗传景观

基本信息
资源简介
肺癌中细胞毒性CD39+肿瘤相关NK细胞对NKG2A阻断的响应(10X Multiome)
Cytotoxic CD39+ tumor-associated NK cells respond to NKG2A blockade in lung cancer (10X Multiome)
该数据集来自非小细胞肺癌(NSCLC)患者样本,采用匹配的单核RNA与ATAC测序(10X Multiome)解析肿瘤浸润NK细胞的转录与表观遗传景观。研究识别出以ITGAE(CD103)和ITGA1(CD49a)为标志的两个肿瘤相关NK(taNK)细胞亚群,具有组织驻留和功能障碍特征但保留细胞毒性功能。轨迹与调控子分析揭示从早期GZMK+ NK细胞向ENTPD1+(CD39+)效应状态的炎症驱动转变,功能分析表明CD39+ taNK细胞是主要细胞毒性NK细胞群体。数据可用于NK细胞分化、功能状态及免疫治疗响应的研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):自然杀伤(NK)细胞靶向免疫疗法正在兴起,但肿瘤浸润NK细胞的分化与功能状态仍知之甚少。利用来自非小细胞肺癌(NSCLC)患者样本的匹配单核RNA和ATAC测序,我们解析了肿瘤内NK细胞的转录和表观遗传景观。我们鉴定出两个以ITGAE(CD103)和ITGA1(CD49a)表达为标志的肿瘤相关NK(taNK)细胞亚群,它们显示出组织驻留和功能障碍特征,同时保留细胞毒性功能。轨迹和调控子分析揭示了从早期颗粒酶K(GZMK)+ NK细胞向以干扰素刺激基因(ISG)程序为特征的ENTPD1+(CD39+)效应状态的炎症驱动转变。功能分析确定CD39+ taNK细胞是主要细胞毒性NK细胞群体,具有优越的
【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:GPL24676、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=GSE304741
【使用注意】
· 源站最后修改于 Jun 09 202,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=GSE304741
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
自然杀伤(NK)细胞靶向免疫疗法正在兴起,但肿瘤浸润NK细胞的分化及功能状态仍知之甚少。我们利用非小细胞肺癌(NSCLC)患者样本的配对单核RNA和ATAC测序,解析了肿瘤内NK细胞的转录和表观遗传景观。我们鉴定出两个肿瘤相关NK(taNK)细胞亚群,分别以ITGAE(CD103)和ITGA1(CD49a)表达为标志,它们表现出组织驻留和功能障碍的特征,同时保留细胞毒性功能。轨迹和调控子分析揭示了一种炎症驱动的转变,从早期颗粒酶K(GZMK)+ NK细胞向以干扰素刺激基因(ISG)程序为特征的ENTPD1+(CD39+)效应状态过渡。功能分析确定CD39+ taNK细胞是主要的细胞毒性NK细胞群体,具有优越的杀伤能力,且该能力可被NKG2A阻断进一步增强。本研究为NSCLC中NK细胞分化提供了机制性见解,并确立CD39+ taNK细胞作为免疫治疗的可靶向效应群体。
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。




