年龄非依赖且可靶向的转录因子网络调控衰老人群CD8+ T细胞衰老
该数据集来自NCBI GEO,包含健康年轻与老年人类CD8+ T细胞衰老的多组学数据,通过衰老细胞分离结合多组学分析,定义染色质状态特异性转录因子网络对CD8+ T细胞衰老的表观遗传调控

基本信息
资源简介
年龄非依赖且可靶向的转录因子网络调控衰老人群CD8+ T细胞衰老
Age-independent and targetable transcription factor networks regulate CD8+ T cell senescence in aging humans
该数据集来自NCBI GEO,包含健康年轻与老年人类CD8+ T细胞衰老的多组学数据,通过衰老细胞分离结合多组学分析,定义染色质状态特异性转录因子网络对CD8+ T细胞衰老的表观遗传调控。数据覆盖转录因子网络介导的增强子重塑、增殖相关基因抑制及炎症分泌通路上调,并涉及AP1、KLF5、RUNX2抑制对转录输出的调节。可用于研究年龄非依赖的CD8+ T细胞衰老机制及潜在靶点(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):衰老部分通过积累具有衰老特征的CD8+ T细胞(包括促炎转录组和增殖能力受损)来损害免疫。使用衰老细胞分离结合多组学分析,我们定义了健康年轻和老年人类中CD8+ T细胞衰老的表观遗传调控。我们发现向衰老的转变由染色质状态特异性转录因子(TF)网络控制,其组成在很大程度上对供体年龄不敏感。这些TF网络介导广泛的增强子重塑,导致对增殖至关重要的基因被抑制以及炎症和分泌通路的上调。抑制AP1、KLF5或RUNX2可调节转录输出,并部分恢复衰老CD8+ T细胞对刺激的钝化转录反应。我们的数据还揭示
【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:GPL34281、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=GSE310393
【使用注意】
· 源站最后修改于 Apr 06 202,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=GSE310393
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
衰老在一定程度上通过衰老特征性CD8+ T细胞的积累损害免疫,这些特征包括促炎转录组和受损的增殖能力。利用衰老细胞分离结合多组学分析,我们在健康年轻和老年人类中定义了CD8+ T细胞衰老的表观遗传调控。我们发现向衰老的转变受染色质状态特异性转录因子(TF)网络控制,其组成在很大程度上对供体年龄不敏感。这些TF网络介导广泛的增强子重塑,导致对增殖必需基因的抑制以及炎症和分泌通路的上调。抑制AP1、KLF5或RUNX2可调节转录输出,并部分恢复衰老CD8+ T细胞对刺激的钝化转录反应。我们的数据还揭示了CD8+ T细胞衰老基因特征,可预测弥漫性大B细胞淋巴瘤中对CAR-T细胞疗法的反应。
总体而言,我们的研究定义了人类CD8+ T细胞衰老的基因调控机制,为探究疾病中CD8+ T细胞衰老提供了资源,强调转录因子网络扰动是操纵CD8+ T细胞衰老状态的可行策略,并揭示衰老CD8+ T细胞基因特征可作为免疫治疗结果的有价值预后工具。
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。




