BTP-NPs靶向TGFβ1和PD-L1在M109肺癌模型中的抗肿瘤机制单细胞测序

该数据集来自 NCBI GEO,标题为 GSE306151,聚焦 BTP-NPs 靶向 TGFβ1 和 PD-L1 在 M109 肺癌模型中的抗肿瘤机制

geo
浏览 14
基因组分类GPL3429010090
GSE306151: Single-Cell Sequencing Insights into the Antitumor Mechanism of BTP-NPs Targeting TGFβ1 and PD-L1 in M109 Lung Cancer Model

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-07

资源简介

BTP-NPs靶向TGFβ1和PD-L1在M109肺癌模型中的抗肿瘤机制单细胞测序

Single-Cell Sequencing Insights into the Antitumor Mechanism of BTP-NPs Targeting TGFβ1 and PD-L1 in M109 Lung Cancer Model

该数据集来自 NCBI GEO,标题为 GSE306151,聚焦 BTP-NPs 靶向 TGFβ1 和 PD-L1 在 M109 肺癌模型中的抗肿瘤机制。研究在 C57BL/6 小鼠建立的 M109 肺癌模型中,比较 BTP-NPs 与 CBTP-NPs 或 PBS 处理对肿瘤微环境的影响,采用单细胞测序。数据包含 1 个文件,样例为 GSE306151_series_matrix.txt.gz,属于高通量测序表达谱,平台 GPL34290,物种 10090。可用于分析不同处理下肿瘤微环境中细胞类型与表达变化,探索靶向 TGFβ1 和 PD-L1 的纳米颗粒抗肿瘤免疫机制(来源 NCBI)。

【数据集背景】

源站首次发布:Aug 22 202。

【数据内容】

源站描述(机器翻译,仅供参考):为研究 BTP-NPs(靶向 TGFβ1 和 PD-L1)对在 C57BL/6 小鼠中建立的 M109 肺癌模型肿瘤微环境的影响,与 CBTP-NPs 或 PBS 处理相比,使用单细胞测序

【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:GPL34290、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=GSE306151

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE306151

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

为研究BTP-NPs(靶向TGFβ1和PD-L1)对C57BL/6小鼠M109肺癌模型中肿瘤微环境的影响,并与CBTP-NPs或PBS治疗进行比较,采用单细胞测序技术。

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。