PTEN突变特异性非经典通路作为胶质母细胞瘤独特治疗靶点
该数据集来自omicsdi.org,聚焦胶质母细胞瘤(GBM)中PTEN基因突变的功能与临床意义。研究利用Samsung Medical Center GBM队列分析PTEN改变的基因组图谱,并通过The Cancer Genome Atlas数据集验证,识别多个热点突变,评估其亚细胞分布与表型,并

基本信息
资源简介
PTEN突变特异性非经典通路作为胶质母细胞瘤独特治疗靶点
该数据集来自omicsdi.org,聚焦胶质母细胞瘤(GBM)中PTEN基因突变的功能与临床意义。研究利用Samsung Medical Center GBM队列分析PTEN改变的基因组图谱,并通过The Cancer Genome Atlas数据集验证,识别多个热点突变,评估其亚细胞分布与表型,并基于U87MG及缺乏功能性PTEN的患者来源细胞模型建立过表达突变蛋白的癌细胞系文库。PTEN突变被分为错义突变等主要亚群,可用于探索PTEN突变特异性非经典通路作为GBM治疗靶点(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):PTEN是恶性肿瘤中最常发生改变的抑癌基因之一。PTEN改变的显性负效应提示,PTEN突变导致的功能异常可能比缺失更具破坏性,而缺失是胶质母细胞瘤(GBM)中最常见的基因组事件。本研究旨在理解多种PTEN错义突变的功能特性,并探讨其临床相关性。利用Samsung Medical Center GBM队列分析PTEN改变的基因组图谱,并通过The Cancer Genome Atlas数据集进行验证。识别出若干热点突变,并评估了其亚细胞分布和表型。我们利用缺乏功能性PTEN的U87MG和患者来源细胞模型,建立了过表达这些突变蛋白的癌细胞系文库。PTEN突变被分为两个主要亚群:错义突变
【主题与分类】
主题标签:Genomics。本站分类:肿瘤/脑肿瘤。
【获取与许可】
源站页面:https://omicsdi.org/dataset/ega/EGAS00001004753
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://omicsdi.org/dataset/ega/EGAS00001004753
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
PTEN是恶性肿瘤中最常发生改变的抑癌基因之一。PTEN改变的显性负效应表明,PTEN突变导致的功能异常可能比缺失更具破坏性,而缺失是胶质母细胞瘤(GBM)中最常见的基因组事件。本研究旨在了解各种PTEN错义突变的功能特性,并探讨其临床相关性。利用三星医疗中心GBM队列分析PTEN改变的基因组图谱,并通过癌症基因组图谱数据集进行验证。鉴定出若干热点突变,并评估了其亚细胞分布和表型。我们利用缺乏功能性PTEN的U87MG和患者来源细胞模型,建立了一个过表达这些突变蛋白的癌细胞系文库。PTEN突变被分为两个主要亚群:磷酸酶结构域的错义突变和C2结构域的躯干突变。
我们确定了前一组中四种突变蛋白(H93Y、C124S、R130Q和R173C)的亚细胞定位,并发现它们具有不同的定位;与侵袭性表型相关的突变(“边缘突变”)定位于细胞周边,而R173C突变体则定位于细胞核。边缘替换引起的侵袭性表型不受抗PI3K/Akt药物的影响,但会被微管抑制剂破坏。PTEN突变在其亚细胞定位方面表现出不同的功能特性。此外,磷酸酶结构域中的一些错义突变(“边缘突变”)导致了与细胞骨架组装功能障碍相关的侵袭性增强,因此表明其可能是一个有效的治疗靶点。
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。




