GITRL装甲化抗GD2 CAR-NK细胞在3D实体瘤模型中的适应性转录重塑与增强活性
该数据集来自NCBI,包含GSE349394系列数据,研究共表达GITRL的第四代抗GD2 CAR在NK-92细胞和原代NK细胞中的表现

基本信息
资源简介
GITRL装甲化抗GD2 CAR-NK细胞在3D实体瘤模型中的适应性转录重塑与增强活性
GITRL-armored anti-GD2 CAR-NK cells exhibit adaptive transcriptional remodeling and enhanced activity in 3D solid tumor models
该数据集来自NCBI,包含GSE349394系列数据,研究共表达GITRL的第四代抗GD2 CAR在NK-92细胞和原代NK细胞中的表现。数据通过高通量测序进行表达谱分析,涉及转录与代谢重塑相关基因变化,如干扰素信号、mTORC1、AMPK、IL-27通路上调,以及IL-10、TGF-β/SMAD、CISH信号下调。该数据可用于探索CAR-NK细胞在实体瘤微环境中的适应性机制及三维模型中的抗肿瘤活性(来源 NCBI)。
【数据集背景】
源站首次发布:Oct 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):免疫抑制性肿瘤微环境仍是嵌合抗原受体(CAR)疗法针对实体瘤疗效的主要障碍。我们开发了共表达GITRL的第四代抗GD2 CAR,并在NK-92细胞和原代NK细胞中进行评估。CAR.GD2.GITRL稳定表达,具有增强的增殖能力以及转录和代谢重塑,其特征是与干扰素信号、mTORC1、AMPK和IL-27通路相关的基因上调,以及与IL-10、TGF-β/SMAD和CISH信号相关的基因下调。CAR表达增加了细胞毒性;尽管CAR.GD2在二维实验中显示出最强的即时细胞毒性,但CAR.GD2.GITRL在三维模型中表现出更优的肿瘤控制。在体内,两个CAR-NK-92组与亲本细胞相比均显著延缓了肿瘤生长,且与e无差异
【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=GSE349394
【使用注意】
· 源站最后修改于 Oct 09 202,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=GSE349394
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
免疫抑制性肿瘤微环境仍是嵌合抗原受体(CAR)疗法对实体瘤疗效的主要障碍。我们开发了第四代抗GD2 CAR,共表达GITRL,并在NK-92细胞和原代NK细胞中进行了评估。CAR.GD2.GITRL稳定表达,具有增强的增殖能力,并伴随转录和代谢重塑,其特征是与干扰素信号、mTORC1、AMPK和IL-27通路相关的基因上调,以及与IL-10、TGF-β/SMAD和CISH信号相关的基因下调。CAR表达增加了细胞毒性;尽管CAR.GD2在二维实验中显示出最强的即时细胞毒性,但CAR.GD2.GITRL在三维模型中表现出更优的肿瘤控制。在体内,两个CAR-NK-92组均显著延缓了肿瘤生长,与亲本细胞相比,但两组之间无差异。为了研究GITRL的免疫调节活性,我们诱导生成了调节性T细胞(iTreg)。
GITRL降低了Treg对CAR-T细胞增殖的抑制作用,证实了GITR/GITRL相互作用的功能性;然而在NK细胞中,CAR表达本身已足以赋予这种抗性,从而阻碍了对GITRL特异性额外效应的识别。这些结果支持将GITRL装甲化的抗GD2 CAR-NK细胞作为一种有前景的实体瘤同种异体免疫治疗平台,并为进一步在更接近生理条件的肿瘤模型中进行评估提供了依据。
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。




