TDP-43调控铁死亡调节肺腺癌恶性进展
数据覆盖肺腺癌中 TDP-43 表达模式及其与临床预后相关性分析,并涉及功能实验验证 TDP-43 对细胞增殖、死亡和铁死亡进程的影响,以及全转录组测序结合铁死亡相关指标检测

基本信息
资源简介
TDP-43调控铁死亡调节肺腺癌恶性进展
TDP-43 regulates ferroptosis to modulate the malignant progression of lung adenocarcinoma
该数据集来自 NCBI GEO,包含 1 个文件(GSE318515_series_matrix.txt.gz),主题为 TDP-43 调控铁死亡进而影响肺腺癌恶性进展。数据覆盖肺腺癌中 TDP-43 表达模式及其与临床预后相关性分析,并涉及功能实验验证 TDP-43 对细胞增殖、死亡和铁死亡进程的影响,以及全转录组测序结合铁死亡相关指标检测。可用于研究 TDP-43 与铁死亡在肺腺癌进展中的调控关系(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 05 202。
【数据内容】
源站描述(机器翻译,仅供参考):肺腺癌(LUAD)是全球癌症相关死亡的主要原因之一。TAR DNA 结合蛋白 43(TDP-43)参与多种肿瘤相关生物学过程,但其在 LUAD 进展中的功能作用及潜在机制仍有待阐明。铁死亡是一种铁依赖性调节性细胞死亡形式,在肿瘤发生和进展中起关键作用。本研究探讨了 TDP-43 对铁死亡的调控作用及其对 LUAD 恶性进展的后续影响。分析了 TDP-43 在 LUAD 组织中的表达模式及其与临床预后的相关性。进行功能实验以验证 TDP-43 对 LUAD 细胞增殖、细胞死亡和铁死亡进程的影响。采用全转录组测序结合铁死亡相关指标检测来探索调控
【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:GPL30209、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=GSE318515
【使用注意】
· 源站最后修改于 Aug 26 202,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=GSE318515
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)是全球癌症相关死亡的主要原因之一。TAR DNA结合蛋白43(TDP-43)参与多种肿瘤相关生物学过程,但其在LUAD进展中的功能作用及潜在机制仍有待阐明。铁死亡是一种铁依赖性调节性细胞死亡形式,在肿瘤发生和进展中发挥关键作用。本研究探讨了TDP-43对铁死亡的调控作用及其对LUAD恶性进展的后续影响。分析了TDP-43在LUAD组织中的表达模式及其与临床预后的相关性。通过功能实验验证TDP-43对LUAD细胞增殖、细胞死亡及铁死亡进程的影响。采用全转录组测序结合铁死亡相关指标检测,探究TDP-43在LUAD铁死亡中的调控机制。本研究结果揭示了TDP-43在LUAD铁死亡及恶性进展中的调控作用,为进一步探索LUAD发病机制和潜在治疗靶点提供了实验数据和研究基础。
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。




