MALT1抑制剂safimaltib处理的B细胞淋巴瘤细胞系表达数据
该数据集为GSE347874,来源于NCBI GEO,包含经MALT1选择性变构抑制剂safimaltib处理的B细胞淋巴瘤细胞系的基因表达谱数据,采用表达谱芯片平台GPL37548,物种为人(9606),共1个文件

基本信息
资源简介
MALT1抑制剂safimaltib处理的B细胞淋巴瘤细胞系表达数据
Expression data from B-cell lymphoma cell-lines treated with MALT1i safimaltib
该数据集为GSE347874,来源于NCBI GEO,包含经MALT1选择性变构抑制剂safimaltib处理的B细胞淋巴瘤细胞系的基因表达谱数据,采用表达谱芯片平台GPL37548,物种为人(9606),共1个文件。数据可用于研究safimaltib对弥漫大B细胞淋巴瘤和套细胞淋巴瘤细胞系转录组的影响,以及BCR通路活化突变与药物反应之间的关联(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 18 202。
【数据内容】
源站描述(机器翻译,仅供参考):B细胞受体(BCR)通路的组成性激活驱动非霍奇金淋巴瘤。MALT1是B细胞和T细胞受体下游NF-κB信号传导的关键介质。在此,我们报道了safimaltib(JNJ-67856633)的开发,这是一种选择性、变构的MALT1蛋白酶抑制剂。测定了safimaltib与MALT1结合的晶体结构,并进行了酶动力学研究以表征其抑制机制。亚微摩尔剂量的safimaltib抑制了具有NF-κB信号激活的弥漫大B细胞淋巴瘤(DLBCL)和套细胞淋巴瘤(MCL)细胞系的生长,以及模拟BTK抑制耐药的模型。值得注意的是,BCR通路组分的激活突变与体外safimaltib反应强烈相关。Safimaltib在DLBCL和MCL小鼠模型中显示出疗效,并与BTK抑制剂具有协同作用。Safimaltib耐受性良好,在
【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、GPL37548、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=GSE347874
【使用注意】
· 源站最后修改于 Oct 12 202,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=GSE347874
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
B细胞受体(BCR)通路的组成性激活驱动非霍奇金淋巴瘤的发生。MALT1是B细胞和T细胞受体下游NF-κB信号传导的关键介质。在此,我们报道了safimaltib(JNJ-67856633)的研发,这是一种选择性、变构性MALT1蛋白酶抑制剂。我们测定了safimaltib与MALT1结合的晶体结构,并进行了酶动力学研究以表征其抑制机制。亚微摩尔剂量的safimaltib可抑制弥漫性大B细胞淋巴瘤(DLBCL)和套细胞淋巴瘤(MCL)细胞系的生长,这些细胞系具有NF-κB信号传导激活以及模拟BTK抑制耐药的模型特征。值得注意的是,BCR通路组分的激活突变与safimaltib的体外应答强烈相关。Safimaltib在DLBCL和MCL小鼠模型中显示出疗效,并与BTK抑制剂具有协同作用。Safimaltib在临床前免疫健全动物模型中耐受性良好,其安全性特征支持在人体中靶向MALT1。总体而言,这些结果为首次人体MALT1抑制剂临床试验提供了依据。
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。




