非小细胞肺癌中癌相关成纤维细胞的预后基因表达特征
数据基于 15 例切除的非小细胞肺癌(NSCLC)样本,建立癌相关成纤维细胞(CAFs)与配对的正常成纤维细胞(NFs)原代培养,并开展微阵列基因表达分析

基本信息
资源简介
非小细胞肺癌中癌相关成纤维细胞的预后基因表达特征
该数据集来自 omicsdi.org,属于肿瘤/肺癌分类,主题为 Transcriptomics。数据基于 15 例切除的非小细胞肺癌(NSCLC)样本,建立癌相关成纤维细胞(CAFs)与配对的正常成纤维细胞(NFs)原代培养,并开展微阵列基因表达分析。研究鉴定出 46 个差异表达基因,其编码蛋白显著富集于受 TGF-beta 信号通路调控的细胞外蛋白,并从中得到由 11 个基因组成的预后基因表达特征,在多个独立 NSCLC 微阵列数据集中得到验证。该数据可用于探索 CAFs 对肿瘤发生的影响及 NSCLC 预后标志物研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤微环境强烈影响癌症的发生、进展和转移。癌相关成纤维细胞(CAFs)在这些过程中的作用及其临床影响尚未在非小细胞肺癌(NSCLC)中得到系统研究。我们从 15 例切除的 NSCLC 中建立了 CAFs 和配对的正常成纤维细胞(NFs)的原代培养。我们证明,CAFs 比 NFs 具有更强的能力来增强肺癌细胞系的致瘤性。对 15 对匹配的 CAF 和 NF 细胞系进行微阵列基因表达分析,鉴定出 46 个差异表达基因,其编码蛋白显著富集于受 TGF-beta 信号通路调控的细胞外蛋白。我们鉴定出一个由 11 个基因组成的子集,形成了预后基因表达特征,并在多个独立的 NSCLC 微阵列数据集中得到验证。Functi
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/肺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-22874
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-22874
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
肿瘤微环境对癌症的发生、发展和转移具有重大影响。在非小细胞肺癌(NSCLC)中,癌相关成纤维细胞(CAFs)在这些过程中的作用及其临床影响尚未得到系统研究。我们从15例切除的NSCLC中建立了CAFs及配对的正常成纤维细胞(NFs)的原代培养。我们证明,CAFs比NFs具有更强的能力来增强肺癌细胞系的致瘤性。对15对匹配的CAF和NF细胞系进行微阵列基因表达分析,鉴定出46个差异表达基因,这些基因编码的蛋白质显著富集于受TGF-beta信号通路调控的细胞外蛋白。我们鉴定出一组由11个基因组成的预后基因表达特征,并在多个独立的NSCLC微阵列数据集中得到了验证。利用蛋白质-蛋白质相互作用分析对这些基因以及已发表的癌症基质相关基因表达变化进行功能注释,揭示了黏着斑和MAPK信号通路的显著参与。
在46个基因中,有14个(30%)在激光捕获显微切割的相应原发肿瘤基质中,与匹配的正常肺组织相比也表现出差异表达。这14个基因中有6个可被TGF-beta1在NF中诱导。这些结果确立了CAF相关基因表达变化在NSCLC患者中的预后影响。本SuperSeries由以下子系列组成:GSE22862:非小细胞肺癌中癌相关成纤维细胞的预后基因表达特征[表达谱分析_CAFs] GSE22863:非小细胞肺癌中癌相关成纤维细胞的预后基因表达特征[表达谱分析_NSCLC基质] GSE27284:非小细胞肺癌中癌相关成纤维细胞的预后基因表达特征[甲基化谱分析] GSE27289:非小细胞肺癌中癌相关成纤维细胞的预后基因表达特征
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。




