PRJNA1365633:调控AP-1使CAR-T细胞建立瘤内干样储备并克服PD-1阻断耐药
该数据集来自NCBI,属于肿瘤/肺癌分类,主题为转录组或基因表达。源站描述聚焦CAR-T疗法与PD-1/PD-L1阻断协同有限的机制,涉及PD-1⁺TCF1⁺干样T细胞、MHC依赖的DC相互作用、ROR1⁺肺癌模型、AP-1转录因子c-Jun过表达及PD-L1阻断恢复c-Jun水平等内容

基本信息
资源简介
PRJNA1365633:调控AP-1使CAR-T细胞建立瘤内干样储备并克服PD-1阻断耐药
该数据集来自NCBI,属于肿瘤/肺癌分类,主题为转录组或基因表达。源站描述聚焦CAR-T疗法与PD-1/PD-L1阻断协同有限的机制,涉及PD-1⁺TCF1⁺干样T细胞、MHC依赖的DC相互作用、ROR1⁺肺癌模型、AP-1转录因子c-Jun过表达及PD-L1阻断恢复c-Jun水平等内容。数据可用于研究CAR-T细胞在肿瘤内形成干样储备、衰竭调控及克服PD-1阻断耐药的基因表达分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):CAR-T疗法与PD-1/PD-L1阻断的协同作用有限,但耐药机制尚不清楚。PD-1⁺TCF1⁺干样T细胞介导对PD-1/PD-L1阻断的应答,并通过与肿瘤引流淋巴结(dLN)中DC的MHC依赖性相互作用得以维持。由于CAR-T识别完整抗原而非肽-MHC,其激活局限于肿瘤,可能阻止这一关键亚群的维持。在ROR1⁺肺癌模型中,靶向ROR1的CAR-T迅速下调TCF1、发生衰竭,且未被PD-L1阻断增强。过表达AP-1转录因子c-Jun(而非BATF)能够在肿瘤(而非dLN)中形成PD-1⁺TCF1⁺储备,但未能阻止衰竭,因为PD-1诱导c-Jun转录后下调。值得注意的是,PD-L1阻断恢复了c-Jun水平,显著增加了CAR-T,并使
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1365633
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/bioproject/PRJNA1365633
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
CAR-T疗法与PD-1/PD-L1阻断的协同作用有限,但其耐药机制尚不清楚。PD-1⁺TCF1⁺干细胞样T细胞介导对PD-1/PD-L1阻断的应答,并通过与肿瘤引流淋巴结(dLN)中DC的MHC依赖性相互作用得以维持。由于CAR-T识别完整抗原而非肽-MHC复合物,其激活局限于肿瘤内,可能阻碍了这一关键亚群的维持。在ROR1⁺肺癌模型中,靶向ROR1的CAR-T迅速下调TCF1,进入耗竭状态,且PD-L1阻断未能增强其功能。过表达AP-1转录因子c-Jun(而非BATF)能够在肿瘤内(而非dLN中)形成PD-1⁺TCF1⁺储备池,但未能阻止耗竭,因为PD-1诱导了c-Jun的转录后下调。值得注意的是,PD-L1阻断恢复了c-Jun水平,显著增加了CAR-T数量,并实现了ROR1⁺肿瘤的近完全清除。这些发现将PD-1确定为c-Jun的抑制因子,并揭示非MHC依赖性CAR-T可被工程化改造以在肿瘤内建立干细胞样储备池,从而克服对PD-1阻断的耐药。
总体设计:对ROR1 CAR-T、cJun.ROR1 CAR-T和BATF.ROR1 CAR-T细胞进行批量RNA-seq分析,样本分别取自输注前或输注后8天从KP-ROR1肿瘤中分选出的细胞
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。




