GSE308540:RORγ通过上调NGF信号驱动非小细胞肺癌进展
该数据集来自NCBI GEO,主题为非小细胞肺癌(NSCLC)中RORγ通过上调NGF信号驱动肿瘤进展的表达谱研究。研究通过生物信息学与免疫组化分析发现RORγ在NSCLC组织中高表达且与不良预后相关,功能上促进细胞增殖、迁移和侵袭,机制上RORγ直接结合NGF启动子并刺激其转录

基本信息
资源简介
GSE308540:RORγ通过上调NGF信号驱动非小细胞肺癌进展
RORγ drives non-small cell lung cancer progression by upregulating the NGF signalling
该数据集来自NCBI GEO,主题为非小细胞肺癌(NSCLC)中RORγ通过上调NGF信号驱动肿瘤进展的表达谱研究。数据包含1个文件(GSE308540_series_matrix.txt.gz),基于高通量测序平台GPL30209,物种为人(9606)。研究通过生物信息学与免疫组化分析发现RORγ在NSCLC组织中高表达且与不良预后相关,功能上促进细胞增殖、迁移和侵袭,机制上RORγ直接结合NGF启动子并刺激其转录。该数据可用于NSCLC相关基因表达分析、RORγ/NGF通路研究及预后标志物探索(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺癌仍然是全球最常见和致死率最高的恶性肿瘤之一,其中非小细胞肺癌(NSCLC)是最常见的亚型——这凸显了对新型治疗方法的迫切需求。在此,我们将视黄酸受体相关孤儿受体γ(RORγ)确定为NSCLC进展的关键驱动因素。整合生物信息学和免疫组化分析显示,RORγ在NSCLC组织中高表达,且其表达与患者不良预后相关。在功能上,升高的RORγ显著增强了NSCLC细胞的增殖、迁移和侵袭能力。相反,使用RORγ拮抗剂或基因沉默RORγ可在体外和体内有效抑制这些恶性表型。在机制上,RORγ直接结合NGF的启动子区域,刺激NGF基因转录,
【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:GPL30209、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=GSE308540
【使用注意】
· 源站最后修改于 Apr 24 202,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=GSE308540
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
肺癌仍是全球范围内最常见且致死率最高的恶性肿瘤之一,其中非小细胞肺癌(NSCLC)是最常见的亚型——这凸显了开发新型治疗策略的迫切需求。在此,我们确定维甲酸受体相关孤儿受体γ(RORγ)是NSCLC进展的关键驱动因子。整合生物信息学与免疫组化分析显示,RORγ在NSCLC组织中高表达,且其表达与患者不良预后相关。在功能上,RORγ升高显著增强了NSCLC细胞的增殖、迁移和侵袭能力。相反,使用RORγ拮抗剂或基因沉默RORγ可在体外和体内有效抑制这些恶性表型。在机制上,RORγ直接结合NGF启动子区域,刺激NGF基因转录,从而促进NSCLC进展。RORγ拮抗剂抑制NGF表达并抑制其下游信号通路,而外源性补充NGF或过表达NGF可显著逆转RORγ拮抗剂对NSCLC细胞的抑制作用。
综上所述,这些结果表明RORγ是非小细胞肺癌的关键调节因子,也是非小细胞肺癌治疗中有前景的治疗靶点。
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。




