GSE306513:CCL18作为ABC型弥漫大B细胞淋巴瘤预后免疫抑制生物标志物
研究揭示ABC淋巴瘤具有独特表达谱,MAPK10显著下调、熵更高且嗜酸性粒细胞富集,多变量分析确定CCL18为ABC淋巴瘤独立不良预后因素,连接图谱识别蛋白酶体抑制剂和CDK4/6抑制剂为潜在治疗候选

基本信息
资源简介
GSE306513:CCL18作为ABC型弥漫大B细胞淋巴瘤预后免疫抑制生物标志物
CCL18 as a immunosuppressive biomarker for prognosis in ABC diffuse large B-cell Lymphoma
该数据集来自NCBI GEO,包含1个文件GSE306513_series_matrix.txt.gz,采用NanoString PanCancer Immune Profiling Panel及额外30个细胞起源基因,对43例DLBCL样本(23例GCB和20例ABC)进行表达谱分析。研究揭示ABC淋巴瘤具有独特表达谱,MAPK10显著下调、熵更高且嗜酸性粒细胞富集,多变量分析确定CCL18为ABC淋巴瘤独立不良预后因素,连接图谱识别蛋白酶体抑制剂和CDK4/6抑制剂为潜在治疗候选。数据可用于淋巴瘤微环境生物标志物与预后预测研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):目的:解析ABC淋巴瘤的TME以描述新的生物标志物和治疗策略。方法:我们通过NanoString PanCancer Immune Profiling Panel及额外30个细胞起源基因分析了43例DLBCL样本(23例GCB和20例ABC)。ABC淋巴瘤显示出与GCB不同的表达谱,MAPK10显著下调,熵更高且嗜酸性粒细胞富集。多变量分析确定CCL18为ABC淋巴瘤的独立不良预后因素。连接图谱识别蛋白酶体抑制剂和CDK4/6抑制剂为有前景的治疗候选。
【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:Expression profiling by array、GPL36184、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=GSE306513
【使用注意】
· 源站最后修改于 Jan 13 202,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=GSE306513
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
目的:解析ABC淋巴瘤的肿瘤微环境(TME),以描述新的生物标志物和治疗策略。方法:我们采用NanoString PanCancer免疫分析面板对43例DLBCL样本(23例GCB和20例ABC)进行分析,并额外检测30个细胞起源基因。ABC淋巴瘤显示出与GCB不同的表达谱,MAPK10显著下调,熵值更高且嗜酸性粒细胞富集。多因素分析确定CCL18为ABC淋巴瘤的独立不良预后因素。连接图谱分析确定蛋白酶体抑制剂和CDK4/6抑制剂为有前景的治疗候选药物。
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。




