与乳酸调控巨噬细胞和树突状细胞相关的信号网络鉴定
该数据集来自 Dryad,聚焦肿瘤微环境中乳酸对巨噬细胞和树突状细胞等先天免疫细胞的调控作用,旨在鉴定与之相关的信号网络

基本信息
资源简介
与乳酸调控巨噬细胞和树突状细胞相关的信号网络鉴定
Identification of signaling networks associated with lactate modulation of macrophages and dendritic cells
该数据集来自 Dryad,聚焦肿瘤微环境中乳酸对巨噬细胞和树突状细胞等先天免疫细胞的调控作用,旨在鉴定与之相关的信号网络。数据涉及 RNA 序列分析,可用于研究肿瘤细胞通过适应性代谢重编程产生乳酸、进而异常调节宿主免疫以逃避免疫监视的机制,并为理解癌症免疫治疗响应差异提供线索(来源 DOI 解析,Creative Commons Zero v1.0 Universal 许可)。
【数据集背景】
源站首次发布:2024。
【数据内容】
源站描述(机器翻译,仅供参考):对癌症免疫逃逸理解的进展促进了癌症免疫治疗方法的发展,例如检查点抑制剂和白介素激动剂。尽管癌症免疫治疗的突破已证明可提高癌症治疗的效力,但只有一小部分患者对这些治疗产生有效应答。此外,有令人信服的证据表明,癌细胞通过适应性代谢重编程形成独特的微环境,从而异常调节宿主免疫以逃避免疫监视。作为肿瘤细胞适应性代谢转换的一部分,乳酸被产生并释放到肿瘤环境中。近期研究表明,乳酸显著调节免疫功能,尤其是在先天免疫细胞中。树突状细胞(DCs)和巨噬细胞(MΦs)是特化的抗原呈递细胞,充当 ke
【主题与分类】
主题标签:RNA sequence analysis、Innate immune system、Lactates。本站分类:肿瘤。
【获取与许可】
源站页面:https://datadryad.org/dataset/doi:10.5061/dryad.bzkh189kq
使用许可:Creative Commons Zero v1.0 Universal。
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://doi.org/10.5061/dryad.bzkh189kq
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:
数据集大小约 14.3 MB。
数据说明
对癌症免疫逃逸理解的进步,促进了癌症免疫治疗策略的发展,如检查点抑制剂和白介素激动剂。尽管癌症免疫治疗的突破已证明能提高癌症治疗的效果,但仅有一部分患者对这些治疗有有效反应。此外,有力证据表明,癌细胞通过适应性代谢重编程形成独特的微环境,异常调节宿主免疫以逃避免疫监视。作为肿瘤细胞适应性代谢转换的一部分,乳酸产生并释放到肿瘤环境中。近期研究显示,乳酸显著调节免疫功能,尤其是在先天免疫细胞中。树突状细胞(DCs)和巨噬细胞(MΦs)是专门的抗原呈递细胞,在先天免疫和抗癌相关免疫反应中发挥关键作用。尽管多数研究表明乳酸影响免疫表型(如表面蛋白表达和细胞因子产生),但由乳酸介导的细胞信号网络尚未完全明了。
在本研究中,我们确定了骨髓来源的DCs和MΦs中受癌症相关浓度乳酸改变的关键信号通路。首先,利用转录组分析来指导发现由乳酸介导的显著信号通路。随后,采用免疫印迹、流式细胞术和免疫荧光成像等生物分子技术,进一步研究和确认这些关键信号通路的变化。结果表明,乳酸对DCs和MΦs的生化网络影响存在差异。乳酸主要改变了DCs中的STAT3、ERK和MAPK p38信号级联,而MΦs中的STAT1和GSK-3β信号则是受乳酸显著影响的主要通路。本研究确定了受乳酸影响的关键信号转导,这推进了
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。




