青蒿琥酯通过增加弥漫大B细胞淋巴瘤细胞对铁死亡的易感性抑制细胞活力(RNA-seq)
该数据集来自NCBI GEO,包含一项RNA-seq表达谱研究,比较了U2932弥漫大B细胞淋巴瘤细胞系在100µM青蒿琥酯处理与未处理条件下的转录组,每组三个重复

基本信息
资源简介
青蒿琥酯通过增加弥漫大B细胞淋巴瘤细胞对铁死亡的易感性抑制细胞活力(RNA-seq)
Artesunate inhibits the cell viability of diffuse large B cell lymphoma cells by increasing the susceptibility to ferroptosis (RNA-seq).
该数据集来自NCBI GEO,包含一项RNA-seq表达谱研究,比较了U2932弥漫大B细胞淋巴瘤细胞系在100µM青蒿琥酯处理与未处理条件下的转录组,每组三个重复。研究背景显示青蒿琥酯可降低DLBCL细胞活力并诱导铁死亡,转录组数据可用于分析铁死亡基因特征的富集情况,以及MT1G、GPX4等基因在青蒿琥酯介导的铁死亡中的作用,为探索DLBCL铁死亡机制和药物联合策略提供数据支持(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 03 202。
【数据内容】
源站描述(机器翻译,仅供参考):比较青蒿琥酯与DMSO在三种DLBCL细胞系中的效果,我们发现细胞活力下降至80%-60%。随着青蒿琥酯剂量增加,我们发现ROS生成和脂质过氧化增加。结合Ferrostatin-1挽救实验,我们得出结论:青蒿琥酯诱导的细胞死亡是铁死亡性的。我们比较了U2932细胞系在含与不含100µm青蒿琥酯条件下的转录组,设三个重复。铁死亡基因特征显示在该比较的上调基因中富集。GPX4蛋白表达在U2932细胞中经青蒿琥酯处理后显示下调,但在Ferrostatin-1挽救实验中未下调。MT1G基因表达被鉴定为青蒿琥酯介导的铁死亡所必需,通过shRNAs靶向抑制实现。我们展示青蒿琥酯与多柔比星联合时细胞活力显著降低,su
【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:GPL9115、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=GSE260741
【使用注意】
· 源站最后修改于 Mar 14 202,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=GSE260741
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
比较青蒿琥酯与DMSO在三种DLBCL细胞系中的作用,我们发现细胞活力下降至80%-60%。随着青蒿琥酯剂量的增加,我们观察到ROS生成和脂质过氧化增加。结合Ferrostatin-1挽救实验,我们得出结论:青蒿琥酯诱导的细胞死亡为铁死亡。我们比较了U2932细胞系在含与不含100µm青蒿琥酯条件下的转录组,每组设三个重复。结果显示,铁死亡基因特征在该比较的上调基因中富集。GPX4蛋白表达在U2932细胞中经青蒿琥酯处理后下调,但在Ferrostatin-1挽救实验中未出现下调。通过shRNAs靶向抑制实验,我们鉴定出MT1G基因表达是青蒿琥酯介导铁死亡所必需的。当青蒿琥酯与多柔比星联合使用时,我们观察到细胞活力显著降低,提示这有可能转化为临床用于治疗ABC和GCB型DLBCL。
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。




