原发性BPH基质细胞培养显示增强的雄激素反应性
研究比较同一患者来源的BPH与癌旁正常前列腺(NAP)原代基质细胞在雄激素和/或抗雄激素处理后的RNA-seq数据,通过主成分分析等方法分析雄激素调控差异

基本信息
资源简介
原发性BPH基质细胞培养显示增强的雄激素反应性
Primary BPH Stromal Cell Cultures Exhibit Heightened Androgen-Responsiveness
该数据集来自NCBI,包含1个文件(GSE344492_series_matrix.txt.gz),主题为高通量测序表达谱分析。研究比较同一患者来源的BPH与癌旁正常前列腺(NAP)原代基质细胞在雄激素和/或抗雄激素处理后的RNA-seq数据,通过主成分分析等方法分析雄激素调控差异。数据可用于探索BPH基质细胞雄激素反应性增强的分子机制及前列腺增生相关转录组研究(来源 NCBI)。
【数据集背景】
源站首次发布:Aug 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):背景:良性前列腺增生(BPH)是老年男性最常见的疾病。BPH生长依赖雄激素,且雄激素似乎优先刺激BPH而非正常前列腺的生长。雄激素优先刺激BPH生长的机制尚不清楚。我们先前的研究表明,来自同一患者的原代BPH基质细胞(而非配对癌旁正常前列腺(NAP)基质细胞)可在3D共培养中刺激前列腺上皮细胞增殖。然而,BPH结节中前列腺基质细胞的雄激素调控是否发生改变尚不清楚。方法:从同一患者制备配对的BPH和NAP原代基质细胞。对早期传代的配对BPH和NAP原代细胞用雄激素和/或抗雄激素处理,进行RNA-seq分析。RNA-seq数据使用主成分分析进行分析
【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:内分泌、营养和代谢疾病。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE344492
【使用注意】
· 源站最后修改于 Oct 13 202,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=GSE344492
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
背景:良性前列腺增生(BPH)是老年男性中最常见的疾病。BPH的生长依赖于雄激素,并且与正常前列腺相比,雄激素似乎优先刺激BPH的生长。雄激素优先刺激BPH生长的机制尚不清楚。我们先前的研究表明,在3D共培养中,原代BPH基质细胞(而非同一患者配对的正常邻近前列腺(NAP)基质细胞)能够刺激前列腺上皮细胞增殖。然而,雄激素对前列腺基质细胞的调控在BPH结节中是否发生改变尚不清楚。方法:从同一患者制备配对的BPH和NAP原代基质细胞。对早期传代的配对BPH和NAP原代细胞用雄激素和/或抗雄激素处理,进行RNA-seq分析。RNA-seq数据采用主成分分析(PCA)和功能富集分析。将配对BPH和NAP原代细胞在存在或不存在雄激素条件下的条件培养基用于良性前列腺上皮细胞的三维(3D)培养。
结果:RNA-seq数据分析表明,与配对的NAP基质细胞相比,BPH原代基质细胞中雄激素诱导的基因表达增强。BPH基质细胞中的AR激活似乎增强了细胞运动、血管和细胞外基质重塑以及旁分泌信号传导,同时调节细胞周期和代谢过程。与常规BPH基质条件培养基相比,雄激素刺激的BPH基质细胞条件培养基进一步增强了3D培养中前列腺上皮细胞的增殖。相反,在雄激素存在下培养的NAP基质细胞条件培养基对3D培养中前列腺上皮细胞增殖无显著影响。结论:我们的研究结果表明,雄激素通过旁分泌前列腺基质信号传导刺激前列腺上皮细胞生长的作用增强
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。




