HNRNPH1调控胶质母细胞瘤细胞周期相关基因
可用于研究HNRNPH1在GBM转录后调控中的作用及细胞周期相关基因表达变化,为探索GBM异质性和治疗抵抗机制提供表达数据支持(来源 NCBI)

基本信息
资源简介
HNRNPH1调控胶质母细胞瘤细胞周期相关基因
HNRNPH1 regulates cell cycle-associate genes in glioblastoma
该数据集来自NCBI GEO,标题为HNRNPH1 regulates cell cycle-associate genes in glioblastoma,聚焦胶质母细胞瘤(GBM)中RNA结合蛋白HNRNPH1对细胞周期相关基因的调控。数据通过高通量测序进行表达谱分析,包含1个文件(GSE294345_series_matrix.txt.gz),物种为人类(9606),平台为GPL34281。可用于研究HNRNPH1在GBM转录后调控中的作用及细胞周期相关基因表达变化,为探索GBM异质性和治疗抵抗机制提供表达数据支持(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 10 202。
【数据内容】
源站描述(机器翻译,仅供参考):胶质母细胞瘤(GBM)是一种侵袭性强、致命的脑肿瘤,尽管治疗干预取得进展,预后仍差。靶向治疗、抗血管生成药物、基因治疗和免疫治疗的临床试验已使GBM患者生存期有所延长。然而,GBM的治愈仍难以实现,几乎所有肿瘤都会以更具侵袭性的形式复发,且尚无标准治疗方案。GBM对当前治疗产生抵抗的一个关键原因可归因于肿瘤的广泛异质性以及促进GBM进展的不同机制的存在。信使RNA的转录后调控参与许多癌症过程,通常由几种不同的RNA结合蛋白控制。RNA结合蛋白表达的失调会改变RNA代谢,并导致异常蛋白的产生,这些异常蛋白……
【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:GPL34281、9606。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE294345
【使用注意】
· 源站最后修改于 Apr 08 202,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=GSE294345
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
胶质母细胞瘤(GBM)是一种侵袭性强且致命的脑肿瘤,尽管治疗干预手段不断进步,其预后仍然很差。靶向治疗、抗血管生成药物、基因治疗和免疫治疗的临床试验已在一定程度上延长了GBM患者的生存期。然而,GBM的治愈仍然难以实现,几乎所有肿瘤都会以更具侵袭性的形式复发,而对此尚无标准治疗方案。GBM对现有疗法产生耐药性的一个关键原因可归因于肿瘤的高度异质性以及存在促进GBM进展的不同机制。信使RNA的转录后调控参与许多癌症过程,通常由几种不同的RNA结合蛋白所控制。RNA结合蛋白表达的失调会改变RNA代谢,并导致产生促进癌症发展的异常蛋白。在本研究中,我们对HNRNPH1敲除细胞进行了转录组分析,结果表明沉默HNRNPH1降低了参与细胞周期调控的基因的表达。
我们的发现表明,RNA结合蛋白可作为开发更有效GBM疗法的新靶点。
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。




