脂肪细胞在塑造网膜卵巢癌肿瘤微环境中并非必需
该数据集来自 NCBI GEO,标题为脂肪细胞在塑造网膜卵巢癌肿瘤微环境中并非必需,包含 1 个文件 GSE300038_series_matrix.txt.gz,属于高通量测序表达谱数据,物种为人(9606),平台为 GPL24676

基本信息
资源简介
脂肪细胞在塑造网膜卵巢癌肿瘤微环境中并非必需
Adipocytes are dispensable in shaping the ovarian cancer tumor microenvironment in the omentum
该数据集来自 NCBI GEO,标题为脂肪细胞在塑造网膜卵巢癌肿瘤微环境中并非必需,包含 1 个文件 GSE300038_series_matrix.txt.gz,属于高通量测序表达谱数据,物种为人(9606),平台为 GPL24676。研究围绕卵巢癌腹膜转移中的网膜微环境,利用小鼠模型与单细胞 RNA 测序,探讨成熟脂肪细胞缺失对肿瘤种植与腹膜扩散的影响,并提示内皮细胞 FABP4 的作用。数据可用于卵巢癌转移机制、肿瘤微环境及脂肪细胞相关基因表达分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 17 202。
【数据内容】
源站描述(机器翻译,仅供参考):网膜是腹膜内一种特化的脂肪组织,是卵巢癌(OC)在腹膜癌病期间播散的关键转移生态位。主流观点认为,网膜脂肪细胞通过提供脂质促进肿瘤生长,因为全身性 FABP4 缺陷会抑制肿瘤生长。在此,我们构建了腹膜和网膜中缺乏成熟脂肪细胞的小鼠。ID8p53–/–Brca2–/–、BPPNM 和 KPCA OC 细胞即使在缺乏成熟脂肪细胞的情况下,仍倾向于在通常与脂肪细胞相关的区域种植。然而,缺乏成熟脂肪细胞并未抑制腹膜 OC 的扩张,而切除无脂肪细胞的网膜则抑制了扩张。小鼠和人类单细胞 RNA 测序分析显示,网膜中内皮 FABP4 高表达。事实上,内皮细胞选择性 FABP4 缺陷减少了腹膜中的 OC 生长。这些发现促使重新评估
【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。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE300038
【使用注意】
· 源站最后修改于 Oct 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=GSE300038
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
大网膜是腹膜内一种特化的脂肪组织,是卵巢癌(OC)在腹膜癌播散过程中的关键转移微环境。主流观点认为,大网膜脂肪细胞通过提供脂质促进肿瘤生长,因为全身性FABP4缺陷可抑制肿瘤生长。在此,我们构建了腹膜和大网膜中缺乏成熟脂肪细胞的小鼠。ID8p53–/–Brca2–/–、BPPNM和KPCA卵巢癌细胞即使在没有成熟脂肪细胞的情况下,仍倾向于在通常与脂肪细胞相关的区域定植。然而,缺乏成熟脂肪细胞并未抑制腹膜卵巢癌的扩展,而切除无脂肪细胞的大网膜则能抑制。小鼠和人类单细胞RNA测序分析显示,大网膜中内皮FABP4高表达。事实上,内皮细胞选择性FABP4缺陷减少了腹膜中卵巢癌的生长。这些发现促使我们重新评估脂肪细胞对卵巢癌进展的贡献,并指出大网膜血管系统在代谢上支持卵巢癌生长中发挥关键作用。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




