乳腺癌癌变对NELF-E-KAT2B表观遗传轴的依赖性
癌细胞转录重编程驱动肿瘤进展和转移。NELF缺失抑制乳腺癌发生和转移,并下调EMT与干性基因。NELF-E与SLUG协同,其缺失致SLUG染色质结合受损;KAT2B为关键靶点,失活可改善EMT标志基因并模拟NELF消融

基本信息
资源简介
乳腺癌癌变对NELF-E-KAT2B表观遗传轴的依赖性
癌细胞转录重编程驱动肿瘤进展和转移。NELF缺失抑制乳腺癌发生和转移,并下调EMT与干性基因。NELF-E与SLUG协同,其缺失致SLUG染色质结合受损;KAT2B为关键靶点,失活可改善EMT标志基因并模拟NELF消融。NELF-E和KAT2B高表达与较差预后相关,提示靶向该轴具治疗前景。NELF-E-KAT2B表观遗传轴在乳腺癌癌变中关键(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):癌细胞通过转录重编程驱动肿瘤进展和转移。在此,我们确定转录复合物NELF(负性延伸因子)是这一过程的重要调控因子。利用癌细胞系和患者来源的肿瘤类器官,我们证明NELF缺失可抑制乳腺癌的发生和转移。具体而言,我们发现,在NELF耗竭的乳腺癌细胞中,上皮-间质转化(EMT)和干性相关基因发生下调。对NELF关键亚基NELF-E进行内源性蛋白质定量多重快速免疫沉淀质谱(qPLEX-RIME)分析,揭示了与NELF-E相关的染色质互作伙伴随EMT发生显著重塑,并进一步阐明了NELF-E与关键EMT转录因子SLUG的共同利用。因此,NELF-E缺失导致SLUG在染色质上的结合受损。通过整合转录组学和基因组学分析,我们将组蛋白乙酰转移酶KAT2B确定为NELF-E-SLUG的关键功能性靶点。KAT2B的遗传学和药理学失活可降低关键EMT标志基因的表达,表型模拟NELF缺失。NELF-E和KAT2B表达升高与乳腺癌患者较差的预后相关,突显了我们发现的临床意义。重要的是,KAT2B敲除小鼠可存活,为治疗性靶向这一依赖性带来了令人兴奋的前景。总之,我们揭示了NELF-E-KAT2B表观遗传轴在乳腺癌癌变中的关键作用。
【主题与分类】
主题标签:Proteomics。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/jpost/PXD031304
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/jpost/PXD031304
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
癌细胞通过转录重编程驱动肿瘤进展和转移。在此,我们确定转录复合物NELF(负性延伸因子)是这一过程的重要调控因子。利用癌细胞系和患者来源的肿瘤类器官,我们证明NELF缺失可抑制乳腺癌的发生和转移。具体而言,我们发现,在NELF耗竭的乳腺癌细胞中,上皮-间质转化(EMT)和干性相关基因发生下调。对NELF关键亚基NELF-E进行内源性蛋白质定量多重快速免疫沉淀质谱(qPLEX-RIME)分析,揭示了与NELF-E相关的染色质互作伙伴随EMT发生显著重塑,并进一步阐明了NELF-E与关键EMT转录因子SLUG的共同利用。因此,NELF-E缺失导致SLUG在染色质上的结合受损。通过整合转录组学和基因组学分析,我们将组蛋白乙酰转移酶KAT2B确定为NELF-E-SLUG的关键功能性靶点。KAT2B的遗传学和药理学失活可降低关键EMT标志基因的表达,表型模拟NELF缺失。NELF-E和KAT2B表达升高与乳腺癌患者较差的预后相关,突显了我们发现的临床意义。重要的是,KAT2B敲除小鼠可存活,为治疗性靶向这一依赖性带来了令人兴奋的前景。总之,我们揭示了NELF-E-KAT2B表观遗传轴在乳腺癌癌变中的关键作用。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




