PRJNA1520410:肿瘤相关衰老非经典单核细胞促进晚期前列腺癌免疫抑制与进展 [CUT&Run]

BioProject 是围绕单一计划、源自单一组织或联盟的生物数据集合,其记录为用户提供统一入口,以找到该项目产生的多种数据类型(来源 NCBI)

sra
浏览 20
基因组Epigenomics
PRJNA1520410: Tumor-Associated Senescent Non-Classical Monocytes Promote Immune Suppression and Progression of Advanced Prostate Cancer [CUT&Run]

基本信息

模态
基因组
创建/更新时间
2026-10-20

资源简介

PRJNA1520410:肿瘤相关衰老非经典单核细胞促进晚期前列腺癌免疫抑制与进展 [CUT&Run]

Tumor-Associated Senescent Non-Classical Monocytes... (ID 1520410) - BioProject - NCBI

该 NCBI BioProject 记录标题为“Tumor-Associated Senescent Non-Classical Monocytes...”(ID 1520410),标签为 Epigenomics。BioProject 是围绕单一计划、源自单一组织或联盟的生物数据集合,其记录为用户提供统一入口,以找到该项目产生的多种数据类型(来源 NCBI)。

【数据内容】

源站描述(机器翻译,仅供参考):BioProject 是与单一研究计划相关的一组生物学数据,源自单一机构或一个联盟。BioProject 记录为用户提供了一个统一入口,以便找到指向该项目所生成的各种数据类型的链接。

【主题与分类】

主题标签:Epigenomics。本站分类:肿瘤/前列腺癌。

【获取与许可】

源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1520410

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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/bioproject/PRJNA1520410

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

前列腺癌是男性癌症死亡的主要原因,由于其免疫抑制性肿瘤微环境(TME),带来了重大治疗障碍。我们将MYC扩增和PTEN缺失与转移性前列腺腺癌联系起来,并确定一类特定的肿瘤相关非经典单核细胞(staNC-Mo,CD11b+Ly6cLowCD14HiCD43LowCX3CR1Low)是免疫抑制的关键介导细胞。MYC过表达伴PTEN缺失可诱导线粒体应激,触发肿瘤细胞凋亡和HSP60释放。HSP60/TLR4信号激活staNC-Mo分泌TNF-α,刺激内皮细胞产生G-CSF,并驱动staNC-Mo在骨髓和脾脏中分化。对凋亡肿瘤细胞的CD14依赖性吞噬作用驱动staNC-Mo衰老和TGF-β1分泌。TGF-β1激活肿瘤细胞中的PI3K/AKT信号,诱导CXCL5分泌并增强staNC-Mo募集。衰老的staNC-Mo还释放IL-18,抑制固有免疫和适应性免疫。靶向Ly6c、CD14、CXCL5-CXCR2、TLR4或IL-18可减少staNC-Mo积聚,缓解TME免疫抑制,并抑制肿瘤进展,提示了针对晚期前列腺癌的治疗策略。

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。

获取专属数据定制方案