组蛋白甲基转移酶SUV39H1对CD8+ T细胞组织驻留记忆前体分化的表观遗传调控
该数据集来自NCBI GEO,包含GSE308060系列的表达谱数据,聚焦组蛋白甲基转移酶SUV39H1在CD8+ T细胞组织驻留记忆前体分化中的表观遗传调控作用

基本信息
资源简介
组蛋白甲基转移酶SUV39H1对CD8+ T细胞组织驻留记忆前体分化的表观遗传调控
Epigenetic control of CD8+ T cell tissue resident memory precursors differentiation by the histone methyltransferase SUV39H1
该数据集来自NCBI GEO,包含GSE308060系列的表达谱数据,聚焦组蛋白甲基转移酶SUV39H1在CD8+ T细胞组织驻留记忆前体分化中的表观遗传调控作用。数据涉及小鼠模型,涵盖稳态、空间诱导增殖及流感感染后肺组织等条件,可用于分析SUV39H1缺失对TRM前体干细胞特性及肺部保护功能的影响,为肺癌等肿瘤免疫研究提供转录组层面的参考(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 15 202。
【数据内容】
源站描述(机器翻译,仅供参考):CD8+ T细胞激活后,循环记忆细胞与组织驻留记忆(TRM)细胞之间命运选择的分子机制仍很大程度上未知。我们在此表明,在CD8+ T细胞中敲除组蛋白甲基转移酶SUV39H1,可增强向非淋巴组织的归巢。在稳态下、空间诱导增殖后或流感感染后,组织中的SUV39H1缺陷细胞表达CD49d并主要分化为CD69+/CD103- TRM。肺部持续存在的SUV39H1缺陷T细胞在流感再感染和肺部肿瘤模型中具有保护作用。SUV39H1缺陷TRM细胞的积累是由于具有高干性和TRM前体潜能的TRM前体比例增加。我们得出结论,SUV39H1通过在CD8+ T细胞效应分化过程中抑制记忆和干性程序,限制CD69+ CD103- TRM的定向分化。这些结果鼓励使用SUV39H1耗竭
【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=GSE308060
【使用注意】
· 源站最后修改于 Sep 14 202,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=GSE308060
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
CD8+ T细胞激活后,在循环性与组织驻留记忆(TRM)细胞之间进行命运选择的分子机制在很大程度上仍不清楚。我们在此表明,CD8+ T细胞中组蛋白甲基转移酶SUV39H1的缺失可增强向非淋巴组织的归巢。在稳态下,经空间诱导的增殖或流感感染后,组织中的SUV39H1缺陷细胞表达CD49d,并主要分化为CD69+/CD103- TRM。肺部持续存在的SUV39H1缺陷T细胞在流感再感染和肺部肿瘤模型中具有保护作用。SUV39H1缺陷TRM细胞的积聚,是由于具有高干性和TRM前体潜能的TRM前体比例增加。我们得出结论:SUV39H1通过在CD8+ T细胞效应分化过程中抑制记忆和干性程序,限制CD69+CD103- TRM定向。这些结果支持在过继性T细胞疗法中使用SUV39H1耗竭,以优化靶细胞清除效率以及记忆细胞的长期持久性。
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。
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。千方医数集依托三甲直采网络,提供合规、去标识化、支持注册级质控的专病数据集交易服务。




