GSE346947：CEACAM1 通过同源结合作为抑制性巨噬细胞免疫检查点
该数据集来自 NCBI GEO（GSE346947），研究 CEACAM1 作为抑制性巨噬细胞免疫检查点通过同源结合抑制肿瘤细胞吞噬的作用
基本信息
资源简介
GSE346947：CEACAM1 通过同源结合作为抑制性巨噬细胞免疫检查点
CEACAM1 is an inhibitory macrophage immune checkpoint via homophilic engagement
该数据集来自 NCBI GEO（GSE346947），研究 CEACAM1 作为抑制性巨噬细胞免疫检查点通过同源结合抑制肿瘤细胞吞噬的作用。数据包含对 C57BL/6 小鼠中 CtrlKO 与 CEACAM1KO E0771 肿瘤浸润 CD45⁺ 免疫细胞进行的单细胞 RNA 测序，用于分析肿瘤细胞 CEACAM1 缺失如何重塑髓系与 T 细胞区室，包括免疫抑制性肿瘤相关巨噬细胞减少及抑瘤性、抗原呈递和炎症性髓系细胞富集。文件为 GSE346947_series_matrix.txt.gz，可支持肿瘤免疫微环境与巨噬细胞检查点相关研究（来源 NCBI）。
【数据集背景】
源站首次发布：Sep 11 202。
【数据内容】
源站描述（机器翻译，仅供参考）：巨噬细胞介导的肿瘤细胞吞噬作用是肿瘤免疫监视的重要组成部分，但肿瘤逃逸巨噬细胞介导清除的机制仍不完全清楚。在本研究中，我们发现 CEACAM1 是一种抑制性巨噬细胞免疫检查点，通过肿瘤细胞与巨噬细胞之间的同源 CEACAM1 结合抑制肿瘤细胞吞噬作用。为研究肿瘤细胞 CEACAM1 如何影响肿瘤免疫微环境，我们对从 C57BL/6 小鼠中生长的 CtrlKO 和 CEACAM1KO E0771 肿瘤分离的 CD45⁺ 肿瘤浸润免疫细胞进行了单细胞 RNA 测序。单细胞转录组分析显示，CEACAM1 缺失重塑了髓系和 T 细胞区室，包括免疫抑制性肿瘤相关巨噬细胞减少以及抑瘤性、抗原呈递和炎症性髓系细胞富集。
【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=GSE346947
【使用注意】
· 源站最后修改于 Oct 07 202，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=GSE346947
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
巨噬细胞介导的肿瘤细胞吞噬作用是肿瘤免疫监视的重要组成部分，然而肿瘤逃逸巨噬细胞介导的清除机制仍不完全清楚。在本研究中，我们发现CEACAM1是一种抑制性巨噬细胞免疫检查点，通过肿瘤细胞与巨噬细胞之间CEACAM1的同型相互作用抑制肿瘤细胞吞噬作用。为探究肿瘤细胞CEACAM1如何影响肿瘤免疫微环境，我们对从C57BL/6小鼠体内生长的CtrlKO和CEACAM1KO E0771肿瘤中分离的CD45⁺肿瘤浸润免疫细胞进行了单细胞RNA测序。单细胞转录组分析揭示，CEACAM1缺失重塑了髓系和T细胞区室，包括免疫抑制性肿瘤相关巨噬细胞的减少以及肿瘤抑制性、抗原呈递性和炎症性髓系细胞群体的富集。这些数据为理解CEACAM1介导的吞噬抑制如何塑造肿瘤微环境中的抗肿瘤免疫提供了单细胞转录组资源。
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。
