Usp22基因缺失在KRASG12D-p53缺失驱动肺癌中的RNA-Seq数据集
该数据集来自NCBI GEO,标题为GSE306017,研究Usp22基因缺失在KRASG12D-p53缺失驱动肺癌中的作用
![GSE306017: Genetic deletion of Usp22 in KRASG12D-p53-null driven lung cancer [RNA-Seq]](/medical-api/medicalDataset/datasetCover/67731.jpg)
基本信息
资源简介
Usp22基因缺失在KRASG12D-p53缺失驱动肺癌中的RNA-Seq数据集
Genetic deletion of Usp22 in KRASG12D-p53-null driven lung cancer [RNA-Seq]
该数据集来自NCBI GEO,标题为GSE306017,研究Usp22基因缺失在KRASG12D-p53缺失驱动肺癌中的作用。数据基于Usp22敲除小鼠模型(KRASG12D; p53−/−背景),通过bulk RNA-seq分析鉴定差异表达基因和改变的信号通路。包含1个文件GSE306017_series_matrix.txt.gz,属于表达谱高通量测序数据,可用于探索USP22在KRAS驱动肺癌及抗肿瘤免疫中的功能(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 21 202。
【数据内容】
源站描述(机器翻译,仅供参考):泛素特异性肽酶22(USP22)是一种去泛素化酶,也是“Death-By-Cancer”11基因特征的组成部分,在多种癌症中过表达,并与复发、治疗耐药和不良预后相关。尽管其在肿瘤免疫逃逸中的作用正在显现,但USP22在KRAS驱动肺癌和抗肿瘤免疫中的功能仍很大程度上未知。鉴于致癌KRAS促进免疫抑制性肿瘤微环境(TME)和对免疫治疗的耐药性,本研究探讨USP22在KRAS驱动肺癌中的作用及其对癌变和抗癌免疫的潜在影响。为此,在KRASG12D; p53−/−(KP)背景中开发了Usp22敲除(Usp22-KO)小鼠模型,诱导癌症,并应用bulk RNA-seq分析来鉴定USP22-KO-KP(KPU-)肺癌中的差异表达基因和改变的信号通路。
【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=GSE306017
【使用注意】
· 源站最后修改于 Sep 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=GSE306017
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
泛素特异性肽酶22(USP22)是一种去泛素化酶,也是“癌症致死”11基因标签的组成部分,在多种癌症中过表达,并与复发、治疗耐药和不良预后相关。尽管其在肿瘤免疫逃逸中的作用逐渐显现,但USP22在KRAS驱动型肺癌和抗肿瘤免疫中的功能仍很大程度上未知。鉴于致癌性KRAS会促进免疫抑制性肿瘤微环境(TME)并对免疫治疗产生耐药,本研究探讨了USP22在KRAS驱动型肺癌中的作用及其对癌变和抗癌免疫的潜在影响。为此,在KRASG12D; p53−/−(KP)背景中构建了Usp22敲除(Usp22-KO)小鼠模型,诱导癌症发生,并应用bulk RNA-seq分析来鉴定USP22-KO-KP(KPU-)肺癌相较于KP肺癌中的差异表达基因和改变的信号通路。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




