肿瘤分泌ADAMTSL4激活潜伏TGFβ1驱动癌症恶病质
该数据集来自 NCBI GEO,标题为肿瘤分泌 ADAMTSL4 激活潜伏 TGFβ1 驱动癌症恶病质,属于肿瘤/肺癌分类,包含 1 个文件 GSE304945_series_matrix.txt.gz,采用高通量测序表达谱分析,物种为小鼠(10090),平台为 GPL24247

基本信息
资源简介
肿瘤分泌ADAMTSL4激活潜伏TGFβ1驱动癌症恶病质
Tumor-Secreted ADAMTSL4 Activates Latent TGFβ1 to Drive Cancer Cachexia
该数据集来自 NCBI GEO,标题为肿瘤分泌 ADAMTSL4 激活潜伏 TGFβ1 驱动癌症恶病质,属于肿瘤/肺癌分类,包含 1 个文件 GSE304945_series_matrix.txt.gz,采用高通量测序表达谱分析,物种为小鼠(10090),平台为 GPL24247。数据可用于研究 ADAMTSL4 与癌症恶病质中体重下降、脂肪和肌肉消耗及 TGFβ1 信号激活的关系,支持恶病质相关基因表达与机制分析(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):癌症恶病质是一种毁灭性的消耗综合征,目前尚无获批疗法。在本研究中,我们确定肿瘤来源的糖蛋白 ADAMTSL4 是一种与临床前恶病质模型以及结直肠癌和肺癌患者体重下降相关的循环因子。在小鼠中,Adamtsl4 过表达将非恶病质诱导性肿瘤转化为恶病质诱导性肿瘤,而在恶病质诱导性肿瘤中缺失该基因则保留了脂肪和肌肉,减弱了肌肉萎缩特征,并降低了恶病质严重程度。ADAMTSL4 与 TGFβ1 的潜伏相关肽(LAP)结合,促进 TGFβ1 在肌肉细胞膜局部的激活。对 proTGFβ1 的遗传阻断或对 TGFβ 信号传导的药理学抑制减少了脂肪细胞和肌肉细胞中 ADAMTSL4 依赖性的消耗。抑制肿瘤来源的 ADAMTSL4 减弱了小鼠骨骼肌纤维化。总之,这些关联
【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=GSE304945
【使用注意】
· 源站最后修改于 Sep 16 202,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=GSE304945
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
癌症恶病质是一种毁灭性的消耗综合征,目前尚无获批疗法。在本研究中,我们鉴定出肿瘤来源的糖蛋白ADAMTSL4作为一种循环因子,与临床前恶病质模型及结直肠癌和肺癌患者的体重下降相关。在小鼠中,Adamtsl4过表达将非恶病质诱导性肿瘤转化为恶病质诱导性肿瘤,而在恶病质诱导性肿瘤中敲除该基因则保留了脂肪和肌肉,减弱了肌肉萎缩特征,并降低了恶病质严重程度。ADAMTSL4与TGFβ1的潜伏相关肽(LAP)结合,促进TGFβ1在肌肉细胞膜局部的激活。对proTGFβ1的遗传阻断或对TGFβ信号通路的药理学抑制减少了脂肪细胞和肌肉细胞中ADAMTSL4依赖性消耗。抑制肿瘤来源的ADAMTSL4减轻了小鼠骨骼肌纤维化。总之,循环ADAMTSL4水平升高与恶病质癌症患者中TGFβ驱动的肌肉萎缩和纤维化基因特征之间的关联,表明ADAMTSL4是TGFβ1的上游调控因子,也是癌症恶病质的潜在治疗靶点。
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。




