乳腺癌细胞基质剥夺应激下蛋白翻译抑制数据集
该数据集来自 NCBI GEO(GSE234460),聚焦乳腺癌细胞在基质剥夺应激下的蛋白翻译调控。源站描述指出,基质剥夺可诱导失巢凋亡,而 AMPK 介导的代谢重编程与失巢凋亡抵抗相关;研究显示蛋白翻译在起始和延伸阶段分别通过 UPR 通路激活和 eEF2 失活而被阻断

基本信息
资源简介
乳腺癌细胞基质剥夺应激下蛋白翻译抑制数据集
Inhibition of protein translation under matrix-deprivation stress in breast cancer cells
该数据集来自 NCBI GEO(GSE234460),聚焦乳腺癌细胞在基质剥夺应激下的蛋白翻译调控。源站描述指出,基质剥夺可诱导失巢凋亡,而 AMPK 介导的代谢重编程与失巢凋亡抵抗相关;研究显示蛋白翻译在起始和延伸阶段分别通过 UPR 通路激活和 eEF2 失活而被阻断。数据包含 1 个文件(GSE234460_series_matrix.txt.gz),采用高通量测序表达谱,可用于研究肿瘤细胞应激生存与转移相关的翻译调控机制(来源 NCBI)。
【数据集背景】
源站首次发布:Jun 08 202。
【数据内容】
源站描述(机器翻译,仅供参考):基质剥夺应激通过失巢凋亡导致细胞死亡,而克服失巢凋亡对癌症转移至关重要。我们实验室和其他实验室的工作已发现细胞能量感受器 AMPK 在失巢凋亡抵抗中的关键作用,突显了代谢重编程在应激生存中的关键作用。蛋白质合成是应激下受到严格调控的主要耗能过程。尽管在 AMPK 耗竭的实验转化 MEF 中蛋白质合成的增加与失巢凋亡相关,但面对基质脱离的上皮来源癌细胞中蛋白质翻译的状态和调控仍很大程度上未知。我们的研究表明,蛋白质翻译在机制上分别通过未折叠蛋白反应(UPR)通路的激活和延伸因子 eEF2 的失活而在起始和延伸阶段被阻断。Addi
【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:GPL18573、9606。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234460
【使用注意】
· 源站最后修改于 Sep 11 202,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=GSE234460
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
基质剥夺应激通过失巢凋亡导致细胞死亡,而克服失巢凋亡对癌症转移至关重要。我们实验室及其他研究团队的工作已发现细胞能量感受器AMPK在失巢凋亡抵抗中的关键作用,突显了代谢重编程在应激生存中的重要作用。蛋白质合成是一个主要的耗能过程,在应激条件下受到严格调控。尽管在实验转化的MEF细胞中,AMPK缺失导致的蛋白质合成增加与失巢凋亡相关,但面对基质脱离的上皮来源癌细胞中蛋白质翻译的状态和调控在很大程度上仍不清楚。我们的研究表明,蛋白质翻译在机制上分别通过未折叠蛋白反应(UPR)通路的激活和延伸因子eEF2的失活而在起始和延伸阶段受到阻断。此外,我们还发现已知调控经典蛋白质合成的mTORC1通路受到抑制。
我们进一步使用SUnSET实验对这种抑制作用进行了功能性验证,结果表明,当MDA-MB-231和MCF7乳腺癌细胞处于基质剥夺状态时,整体蛋白质合成受到抑制。为了评估基质剥夺的癌细胞的翻译状态,我们进行了多聚核糖体图谱分析。我们的数据显示,在基质剥夺应激下,mRNA翻译虽然减少但仍持续进行。对转录组学和蛋白质组学数据的整合分析进一步识别出可能有助于细胞适应基质剥夺应激的新靶点,这些靶点可用于探索治疗干预。
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。




