golcadomide (CC-99282) 治疗弥漫性大B细胞淋巴瘤的发现研究数据集
数据可用于研究 golcadomide 对 Ikaros/Aiolos 降解、干扰素刺激基因诱导、凋亡与抗增殖等分子机制,并支持 DLBCL 候选药物相关分析(来源 NCBI)

基本信息
资源简介
golcadomide (CC-99282) 治疗弥漫性大B细胞淋巴瘤的发现研究数据集
Discovery of golcadomide (CC-99282) as a promising drug candidate for diffuse large B-cell lymphoma (DLBCL)
该数据集来自 NCBI GEO(GSE262641),围绕新型 cereblon 调节剂 golcadomide(CC-99282)在弥漫性大B细胞淋巴瘤(DLBCL)中的药物发现研究。数据包含 1 个文件(GSE262641_series_matrix.txt.gz),主题为高通量测序的基因组结合/占据谱分析,物种为人(9606),平台为 GPL24676。数据可用于研究 golcadomide 对 Ikaros/Aiolos 降解、干扰素刺激基因诱导、凋亡与抗增殖等分子机制,并支持 DLBCL 候选药物相关分析(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 27 202。
【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)是一种侵袭性、异质性疾病,预后较差,与高风险分子特征相关。我们报告了 golcadomide(CC-99282)的发现,这是一种新型 cereblon 调节剂,与来那度胺等第一代降解剂相比,可诱导造血转录因子 Ikaros/Aiolos 更快、更深的降解。在体外,golcadomide 诱导干扰素刺激基因,促进凋亡、强效抗增殖和免疫原性细胞死亡,且独立于标准治疗中观察到的临床结局决定因素。在体内,golcadomide 表现出增强的抗肿瘤活性,在淋巴瘤异种移植模型中导致显著的肿瘤消退和无瘤动物。药理学和基于 CRISPR 的筛选表明,靶向凋亡、细胞周期进程、NF-kB 信号传导和核 cy
【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:GPL24676、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=GSE262641
【使用注意】
· 源站最后修改于 Oct 10 202,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=GSE262641
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)是一种侵袭性、异质性疾病,与高风险分子特征相关的预后较差。我们报告了golcadomide(CC-99282)的发现,这是一种新型cereblon调节剂,与来那度胺等第一代降解剂相比,它能诱导造血转录因子Ikaros/Aiolos更快、更深的降解。在体外,golcadomide诱导干扰素刺激基因,促进凋亡、强效抗增殖和免疫原性细胞死亡,且独立于标准治疗观察到的临床结局决定因素。在体内,golcadomide表现出增强的抗肿瘤活性,在淋巴瘤异种移植模型中导致显著的肿瘤消退和无瘤动物。药理学和基于CRISPR的筛选表明,靶向凋亡、细胞周期进程、NF-kB信号传导和核质运输可增加golcadomide的抗肿瘤疗效。总之,这些数据代表了golcadomide作为DLBCL有前景的候选药物的发现,并突出了未来基于golcadomide的联合方案的基本原理,这些方案可能改善患者的临床结局。
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。




