CAR-NK与NR3C1敲除CAR-NK细胞在氢化可的松及缺氧模拟条件下的转录组分析
数据涵盖CEACAM5特异性CAR-NK细胞及NR3C1敲除CAR-NK细胞在氢化可的松(1 µM)、缺氧模拟CoCl₂(100 µM)或二者联合处理24小时,随后与A549肺癌细胞共培养6小时激活效应程序,再分离NK细胞进行bulk RNA测序

基本信息
资源简介
CAR-NK与NR3C1敲除CAR-NK细胞在氢化可的松及缺氧模拟条件下的转录组分析
该数据集来自omicsdi.org,属于肿瘤/肺癌分类,主题为Transcriptomics。数据涵盖CEACAM5特异性CAR-NK细胞及NR3C1敲除CAR-NK细胞在氢化可的松(1 µM)、缺氧模拟CoCl₂(100 µM)或二者联合处理24小时,随后与A549肺癌细胞共培养6小时激活效应程序,再分离NK细胞进行bulk RNA测序。包含未处理、缺氧处理、缺氧+氢化可的松联合处理及对应NR3C1敲除组。可用于研究类固醇信号、缺氧及糖皮质激素受体缺失驱动的转录变化(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):肺部肿瘤微环境中富集的类固醇会抑制肿瘤浸润NK细胞的细胞毒性活性,并加剧缺氧应激。为了在体外模拟这些条件,将CEACAM5特异性CAR-NK细胞和NR3C1敲除CAR-NK细胞暴露于氢化可的松(1 µM)、缺氧模拟剂CoCl₂(100 µM)或它们的组合中。NK细胞处理24小时,随后与A549肺癌细胞共培养6小时以激活NK细胞效应程序。共培养后,将NK细胞分离至高度纯度,并进行bulk RNA测序,以表征由类固醇信号、缺氧和糖皮质激素受体缺陷驱动的转录变化。该数据集包括多个处理组:未处理的CAR-NK细胞、缺氧处理的CAR-NK细胞、缺氧+氢化可的松联合处理的CAR-NK细胞,以及相应的NR3C1敲除CAR-NK细胞组。
【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-MTAB-16367
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://omicsdi.org/dataset/biostudies-arrayexpress/E-MTAB-16367
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
肺肿瘤微环境中富集的类固醇会抑制肿瘤浸润NK细胞的细胞毒性活性,并加剧缺氧应激。为了在体外模拟这些条件,将CEACAM5特异性CAR-NK细胞和NR3C1敲除CAR-NK细胞暴露于氢化可的松(1 µM)、模拟缺氧的CoCl₂(100 µM)或其组合中。NK细胞处理24小时,随后与A549肺癌细胞共培养6小时以激活NK细胞效应程序。共培养后,以高纯度分离NK细胞并进行bulk RNA测序,以表征由类固醇信号传导、缺氧和糖皮质激素受体缺陷驱动的转录变化。该数据集包括多个处理组:未处理的CAR-NK细胞、缺氧处理的CAR-NK细胞、缺氧+氢化可的松联合处理的CAR-NK细胞,以及相同条件下相应的NR3C1敲除CAR-NK细胞组。
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。




