GSE319956:FOXM1在肺癌中普遍存在且可通过T细胞受体工程靶向
该数据集来自NCBI GEO,标题为FOXM1在肺癌中普遍存在且可通过T细胞受体工程靶向,属于肿瘤/肺癌分类。研究鉴定出FOXM1来源的表位在HLA-A02:01、HLA-A24:02和HLA-A*23:01上具有免疫原性,可被内源性加工呈递并引发T细胞活化与细胞毒性T细胞反应

基本信息
资源简介
GSE319956:FOXM1在肺癌中普遍存在且可通过T细胞受体工程靶向
FOXM1 is prevalent in lung cancer and targetable via T cell receptor engineering
该数据集来自NCBI GEO,标题为FOXM1在肺癌中普遍存在且可通过T细胞受体工程靶向,属于肿瘤/肺癌分类。数据包含1个文件GSE319956_series_matrix.txt.gz,采用高通量测序表达谱技术,平台为GPL24676,物种为9606。研究鉴定出FOXM1来源的表位在HLA-A02:01、HLA-A24:02和HLA-A*23:01上具有免疫原性,可被内源性加工呈递并引发T细胞活化与细胞毒性T细胞反应。TCR-T细胞经肽剂量反应和X-scan验证灵敏度与特异性,过继转移后显著抑制小鼠肿瘤生长并延长生存。该数据可用于肺癌免疫治疗靶点与TCR工程研究(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):我们鉴定出来自FOXM1的表位,这些表位在HLA-A02:01、HLA-A24:02和HLA-A*23:01上具有免疫原性,可被内源性加工和呈递,并导致T细胞活化和细胞毒性T细胞反应。在生成TCR-T细胞后,分别通过肽剂量反应和X-scan确认了灵敏度和特异性。最重要的是,过继转移TCR工程T细胞导致肿瘤生长显著减少,并在NOD.Cg-Prkdcscid Il2rgtm1Wjl/SzJ (NSG)荷瘤小鼠模型中显著延长生存期。我们的研究证实了FOXM1的免疫原性以及使用TCR工程靶向该抗原的可行性。
【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:GPL24676、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=GSE319956
【使用注意】
· 源站最后修改于 May 11 202,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=GSE319956
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
我们鉴定出源自FOXM1的表位,这些表位在HLA-A02:01、HLA-A24:02和HLA-A*23:01上具有免疫原性,经过内源性加工和呈递,并能引发T细胞活化和细胞毒性T细胞反应。在生成TCR-T细胞后,分别通过肽剂量反应和X扫描确认了其敏感性和特异性。最重要的是,过继转移经TCR工程改造的T细胞显著减少了肿瘤生长,并显著延长了NOD.Cg-Prkdcscid Il2rgtm1Wjl/SzJ(NSG)荷瘤小鼠模型的生存期。我们的研究证实了FOXM1的免疫原性以及利用TCR工程靶向该抗原的可行性。
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。
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。




