GSE254385:一种有前景的天然G6PD抑制剂用于DLBCL潜在治疗策略
源站描述聚焦弥漫性大B细胞淋巴瘤(DLBCL)的治疗探索,发现Cinobufagin是潜在有效治疗剂,其直接靶点为葡萄糖6磷酸脱氢酶(G6PD),通过抑制G6PD酶活性发挥作用

基本信息
资源简介
GSE254385:一种有前景的天然G6PD抑制剂用于DLBCL潜在治疗策略
A Promising Natural G6PD Inhibitor for Potential Therapeutic Strategies in DLBCL
该数据集来自NCBI,包含1个文件(GSE254385_series_matrix.txt.gz),主题为高通量测序表达谱分析,物种为人类(9606),平台为GPL16791。源站描述聚焦弥漫性大B细胞淋巴瘤(DLBCL)的治疗探索,发现Cinobufagin是潜在有效治疗剂,其直接靶点为葡萄糖6磷酸脱氢酶(G6PD),通过抑制G6PD酶活性发挥作用。数据可用于DLBCL相关表达谱分析与治疗策略研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 28 202。
【数据内容】
源站描述(机器翻译,仅供参考):弥漫性大B细胞淋巴瘤(DLBCL)是非霍奇金淋巴瘤最常见的亚型,具有高度的临床和生物学异质性。尽管大多数患者可通过R-CHOP免疫化疗治愈,但30-40%的患者治疗后出现进展或复发。因此,迫切需要寻找新疗法以提高该患者群体的生存率。天然小分子药物因其低毒性和多靶点特性,作为抗癌药物具有独特优势。本项目旨在探索潜在有效的天然化合物作为DLBCL的新治疗策略。我们发现Cinobufagin是DLBCL的潜在有效治疗剂。葡萄糖6磷酸脱氢酶(G6PD)是DLBCL预后不良的危险因素,也是Cinobufagin的直接靶点。通过抑制G6PD的酶活性,Cinobufagin可抑制D
【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:GPL16791、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=GSE254385
【使用注意】
· 源站最后修改于 Jul 31 202,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=GSE254385
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
弥漫性大B细胞淋巴瘤(DLBCL)是非霍奇金淋巴瘤中最常见的亚型,具有高度的临床和生物学异质性。尽管大多数患者可通过R-CHOP免疫化疗治愈,但30-40%的患者在治疗后出现进展或复发。因此,迫切需要寻找新的治疗方法以提高该组患者的生存率。天然小分子药物作为抗癌药物具有毒性低和多靶点的独特优势。本项目旨在探索潜在有效的天然化合物作为DLBCL的新治疗策略。我们发现华蟾酥毒基(Cinobufagin)是DLBCL潜在有效的治疗药物。葡萄糖-6-磷酸脱氢酶(G6PD)是DLBCL预后不良的危险因素,也是华蟾酥毒基的直接靶点。通过抑制G6PD的酶活性,华蟾酥毒基可抑制DNA合成和还原性NADPH的产生,从而诱导ROS积累和DLBCL细胞凋亡。我们的发现为DLBCL的治疗提供了新策略。
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。




