精准纳米疗法重塑肿瘤相关巨噬细胞逆转胰腺癌免疫抑制
该数据集来自 NCBI GEO(GSE310136),包含 1 个表达谱文件,对应高通量测序平台 GPL34328,物种为小鼠(10090)

基本信息
资源简介
精准纳米疗法重塑肿瘤相关巨噬细胞逆转胰腺癌免疫抑制
Precision nanotherapy remodels the tumor-associated macrophage to reverse immunosuppression in pancreatic cancer
该数据集来自 NCBI GEO(GSE310136),包含 1 个表达谱文件,对应高通量测序平台 GPL34328,物种为小鼠(10090)。研究围绕靶向肿瘤相关巨噬细胞(TAM)的精准纳米疗法,在胰腺导管腺癌(PDAC)临床前模型中比较 CSF1R 抑制剂与 STING 激动剂 cGAMP 递送的效果,并评估与吉西他滨、PD-1 阻断或 CAR-NK 联合治疗的抗肿瘤作用。数据可用于分析 TAM 重编程相关的基因表达变化及免疫微环境调控机制(来源 NCBI)。
【数据集背景】
源站首次发布:Nov 17 202。
【数据内容】
源站描述(机器翻译,仅供参考):胰腺导管腺癌(PDAC)的特征是富含肿瘤相关巨噬细胞(TAM)的免疫抑制性基质,这些细胞限制了治疗效果。我们引入了一个靶向 TAM 的纳米治疗平台,可选择性地将 CSF1R 抑制剂或 STING 激动剂 cGAMP 递送至免疫抑制性 TAM。负载 CSF1R 抑制剂的纳米颗粒有效耗竭了 TAM 并产生中等抗肿瘤效果,而靶向 TAM 的 cGAMP 纳米颗粒将 TAM 重编程为免疫刺激效应细胞。这种重编程使异常血管正常化,减轻了促结缔组织增生,并增强了细胞毒性免疫细胞的浸润和活化。与吉西他滨、PD-1 检查点阻断或 CAR-NK 细胞疗法联合时,靶向 TAM 的 STING 激活提供了原位免疫刺激信号,在临床前 PDAC 模型中显著提高了抗肿瘤疗效。离体 e
【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:GPL34328、10090。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=GSE310136
【使用注意】
· 源站最后修改于 Aug 28 202,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=GSE310136
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
胰腺导管腺癌(PDAC)的特征是存在富含肿瘤相关巨噬细胞(TAM)的免疫抑制性基质,从而限制治疗效果。我们构建了一种靶向TAM的纳米治疗平台,可选择性地将CSF1R抑制剂或STING激动剂cGAMP递送至免疫抑制性TAM。负载CSF1R抑制剂的纳米颗粒可高效清除TAM并产生中等程度的抗肿瘤效应,而靶向TAM的cGAMP纳米颗粒则将TAM重编程为免疫刺激性效应细胞。这种重编程使异常血管正常化、减轻促纤维增生,并增强细胞毒性免疫细胞的浸润与活化。与吉西他滨、PD-1检查点阻断或CAR-NK细胞疗法联合应用时,靶向TAM的STING激活可提供原位免疫刺激信号,在临床前PDAC模型中显著提高抗肿瘤疗效。在人PDAC组织中的离体疗效及良好的安全性特征表明,这种靶向TAM的纳米疗法具有克服PDAC免疫荒漠的转化潜力。
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。




