NK细胞外泌体处理A549肺腺癌细胞的转录组图谱:焦亡相关ceRNA网络_miRNAseq
该数据集来自NCBI GEO,包含经NK92细胞来源外泌体处理72小时后的A549人肺腺癌细胞与未处理对照的mRNA和miRNA表达谱,采用高通量测序完成非编码RNA分析

基本信息
资源简介
NK细胞外泌体处理A549肺腺癌细胞的转录组图谱:焦亡相关ceRNA网络_miRNAseq
Transcriptomic profiling of A549 lung adenocarcinoma cells treated with natural killer cell-derived exosomes reveals pyroptosis-related ceRNA networks_miRNAseq
该数据集来自NCBI GEO,包含经NK92细胞来源外泌体处理72小时后的A549人肺腺癌细胞与未处理对照的mRNA和miRNA表达谱,采用高通量测序完成非编码RNA分析。数据可用于研究NK外泌体对肺腺癌细胞的转录组影响,特别是焦亡相关基因表达变化、miR-5096下调与CARD8上调,以及lncRNA、circRNA、miRNA和mRNA构成的ceRNA网络,为肺腺癌治疗机制研究提供表达谱资源(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺腺癌(LUAD)仍是一种治疗选择有限的难治性恶性肿瘤。自然杀伤(NK)细胞来源的外泌体已成为一种有前景的抗癌治疗手段。为探究NK外泌体诱导LUAD细胞毒性背后的转录组机制,我们对经NK92人NK细胞分离的外泌体(NK92-exo)处理与未处理对照的A549人LUAD细胞进行了全面的RNA测序。该数据集包含NK92-exo处理与对照A549细胞处理72小时后的mRNA和miRNA表达谱。分析揭示了焦亡相关基因表达的显著改变,尤其是miR-5096的下调和CARD8的上调。此外,我们构建了可能介导所观察到的焦亡的竞争性内源RNA(ceRNA)网络,涉及lncRNA、circRNA、miRNA和mRNA。
【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=GSE312865
【使用注意】
· 源站最后修改于 Sep 29 202,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=GSE312865
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
肺腺癌(LUAD)仍然是一种治疗选择有限的难治性恶性肿瘤。自然杀伤(NK)细胞来源的外泌体已成为一种有前景的抗癌治疗策略。为探究NK外泌体在LUAD中诱导细胞毒性的转录组学机制,我们对经NK92人NK细胞来源外泌体(NK92-exo)处理与未处理对照的A549人LUAD细胞进行了全面的RNA测序。该数据集包含NK92-exo处理及对照A549细胞处理72小时后的mRNA和miRNA表达谱。分析揭示了焦亡相关基因表达的显著改变,尤其是miR-5096的下调和CARD8的上调。此外,我们构建了可能介导所观察到的焦亡性细胞死亡的竞争性内源RNA(ceRNA)网络,涉及lncRNA、circRNA、miRNA和mRNA。该转录组资源为NK外泌体诱导抗肿瘤效应的分子机制提供了见解,并确定了LUAD治疗的潜在治疗靶点。
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。




