全基因组CRISPR/Cas9筛选揭示影响肿瘤细胞对NK细胞杀伤敏感性的因素
该数据集来自NCBI,标题为全基因组CRISPR/Cas9筛选揭示影响肿瘤细胞对NK细胞介导杀伤敏感性的因素。源站描述指出NK细胞对多种癌细胞具有强细胞毒性,但调控NK细胞介导肿瘤细胞破坏的因素尚未完全阐明

基本信息
资源简介
全基因组CRISPR/Cas9筛选揭示影响肿瘤细胞对NK细胞杀伤敏感性的因素
Genome-wide CRISPR/Cas9 screen reveals factors that influence the susceptibility of tumor cells to NK cell-mediated killing
该数据集来自NCBI,标题为全基因组CRISPR/Cas9筛选揭示影响肿瘤细胞对NK细胞介导杀伤敏感性的因素。数据包含1个文件(GSE277690_series_matrix.txt.gz),涉及人类(9606)样本,平台为GPL30173。源站描述指出NK细胞对多种癌细胞具有强细胞毒性,但调控NK细胞介导肿瘤细胞破坏的因素尚未完全阐明。该数据可用于研究肿瘤细胞对NK细胞杀伤敏感性的分子机制,筛选相关调控因子(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景 自然杀伤(NK)细胞对多种癌细胞类型表现出强效的细胞毒性活性。在过去五十年中,已采用多种方法来阐明NK细胞介导肿瘤控制的复杂分子机制。尽管在阐明NK细胞与肿瘤细胞之间的相互作用方面已取得重大进展,但调控NK细胞介导肿瘤细胞破坏的因素尚未完全了解。这包括NK细胞识别的多种肿瘤配体以及NK细胞用于消除肿瘤细胞的机制。
【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:Other、GPL30173、9606。本站分类:肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE277690
【使用注意】
· 源站最后修改于 Apr 11 202,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=GSE277690
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
背景 自然杀伤(NK)细胞对多种癌细胞类型表现出强效的细胞毒性活性。在过去五十年中,已采用多种方法来阐明NK细胞介导肿瘤控制的复杂分子机制。尽管在阐明NK细胞与肿瘤细胞之间的相互作用方面已取得显著进展,但调控NK细胞介导肿瘤细胞破坏的调节因素尚未完全明了。这包括NK细胞识别的多种肿瘤配体以及NK细胞用以消除肿瘤细胞的机制。方法 在本研究中,我们采用全基因组CRISPR-Cas9筛选方法结合功能性细胞毒性实验,以阐明调节结肠腺癌HCT-116细胞对NK细胞介导细胞毒性敏感性的蛋白质。结果 对与NK细胞共孵育后存活的HCT-116细胞中引导RNA(gRNA)分布的分析表明,ICAM-1是NKp44介导的免疫突触中的关键参与者,其中NKp44作为激活受体,对NK细胞消除HCT-116肿瘤细胞至关重要。
此外,凋亡或IFN-γ信号通路相关基因的破坏赋予了对NK细胞攻击的抗性。我们进一步阐明,NK细胞来源的IFN-γ在体外促进线粒体凋亡,并在体内对B16-F10肺转移发挥控制作用。结论:在基于NK细胞的治疗背景下,应考虑监测肿瘤细胞表面的ICAM-1水平或调节其表达。此外,考虑到IFN-γ的扩散特性,我们的发现强调了利用NK细胞来源的IFN-γ增强直接杀伤肿瘤细胞并通过细胞因子扩散促进旁观者效应的潜力,值得进一步研究。
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。




