ACKR3促进淋巴瘤细胞CXCL12/CXCR4介导的迁移
源站描述指出ACKR3缺失会损害淋巴瘤细胞向CXCL12的迁移,并涉及弥漫性大B细胞淋巴瘤VAL细胞在体外和体内对CXCL12的迁移模型,以及RNAseq分析提示VAL细胞表达介导趋化的LTB4受体

基本信息
资源简介
ACKR3促进淋巴瘤细胞CXCL12/CXCR4介导的迁移
ACKR3 promotes CXCL12/CXCR4-mediated migration of lymphoma cells
该数据集来自NCBI GEO,标题为ACKR3 promotes CXCL12/CXCR4-mediated migration of lymphoma cells,聚焦肿瘤/淋巴瘤方向。源站描述指出ACKR3缺失会损害淋巴瘤细胞向CXCL12的迁移,并涉及弥漫性大B细胞淋巴瘤VAL细胞在体外和体内对CXCL12的迁移模型,以及RNAseq分析提示VAL细胞表达介导趋化的LTB4受体。数据集含1个文件(GSE169144_series_matrix.txt.gz),主题标签为Expression profiling by high throughput sequencing、GPL18573、9606,可用于研究ACKR3与CXCL。
【数据集背景】
源站首次发布:Mar 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):趋化性是重要的生理过程,常被肿瘤用于转移。CXCR4、其配体CXCL12及非典型受体ACKR3在多种人类癌症中过表达。通过缺失ACKR3干扰该轴会损害淋巴瘤细胞向CXCL12的迁移。在此,我们提出一个模型,说明ACKR3如何控制弥漫性大B细胞淋巴瘤VAL细胞在体外和体内对CXCL12的迁移反应。表达全长ACKR3而非缺失C末端的截短版本的VAL细胞,在允许共同迁移时能够支持缺乏ACKR3的VAL细胞(VAL-ko)的迁移。VAL-ko细胞的这种迁移对百日咳毒素敏感,提示涉及Gi蛋白偶联受体。RNAseq分析表明VAL细胞表达介导趋化的LTB4受体。我们发现LTB4与CXCL12协同刺激
【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:GPL18573、9606。本站分类:肿瘤/淋巴瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE169144
【使用注意】
· 源站最后修改于 Feb 08 202,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=GSE169144
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
趋化性是重要的生理过程,肿瘤常利用其进行转移。CXCR4、其配体CXCL12以及非典型受体ACKR3在多种人类癌症中过表达。通过缺失ACKR3干扰该轴可损害淋巴瘤细胞向CXCL12的迁移。在此,我们提出一个模型,说明ACKR3如何控制弥漫性大B细胞淋巴瘤VAL细胞在体外和体内对CXCL12的迁移反应。表达全长ACKR3(而非缺失C末端的截短版本)的VAL细胞,在与缺乏ACKR3的VAL细胞(VAL-ko)共同迁移时,能够支持后者的迁移。VAL-ko细胞的这种迁移对百日咳毒素敏感,提示涉及Gi蛋白偶联受体。RNAseq分析表明VAL细胞表达介导趋化性的LTB4受体。我们发现LTB4与CXCL12协同刺激VAL细胞的迁移。药理学或遗传学抑制BLT1R显著降低向CXCL12的趋化性,提示LTB4以不依赖接触的方式增强淋巴瘤细胞的迁移。这些结果揭示了一种细胞间诱导淋巴瘤迁移的新机制。
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。




