乳腺癌肝转移生态位代谢适应与饮食干预改善内分泌治疗疗效数据集
该数据集来自NCBI GEO,标题为靶向乳腺癌肝转移生态位代谢适应以饮食方法改善内分泌治疗疗效。研究关注雌激素受体阳性转移性乳腺癌肝转移对氟维司群等内分泌治疗反应降低的机制,可用于探索肝转移生态位对肿瘤代谢和耐药的影响(来源 NCBI)

基本信息
资源简介
乳腺癌肝转移生态位代谢适应与饮食干预改善内分泌治疗疗效数据集
Targeting Metabolic Adaptations in the Breast Cancer–Liver Metastatic Niche Using Dietary Approaches to Improve Endocrine Therapy Efficacy
该数据集来自NCBI GEO,标题为靶向乳腺癌肝转移生态位代谢适应以饮食方法改善内分泌治疗疗效。数据包含1个文件GSE236681_series_matrix.txt.gz,基于高通量测序进行表达谱分析,物种为人类(9606),平台为GPL25526。研究关注雌激素受体阳性转移性乳腺癌肝转移对氟维司群等内分泌治疗反应降低的机制,可用于探索肝转移生态位对肿瘤代谢和耐药的影响(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 06 202。
【数据内容】
源站描述(机器翻译,仅供参考):雌激素受体阳性(ERþ)转移性肿瘤导致近70%的乳腺癌相关死亡。大多数ERþ转移性乳腺癌(MBC)患者接受雌激素受体拮抗剂氟维司群作为标准治疗。然而,在这些患者中,与其他转移部位相比,肝转移与总生存期降低相关。肝转移对ER靶向药物反应降低的潜在因素仍未知,阻碍了开发更有效治疗方法以改善ERþ肝转移患者结局。因此,我们评估了MBC细胞的部位特异性变化,并确定了肝转移生态位特异性影响ERþ肿瘤代谢和耐药性的机制。我们在体外使用一种新的组织特异性系统表征了MBC细胞的ER活性。
【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:GPL25526、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=GSE236681
【使用注意】
· 源站最后修改于 Oct 16 202,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=GSE236681
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
雌激素受体阳性(ERþ)转移性肿瘤导致近70%的乳腺癌相关死亡。大多数ERþ转移性乳腺癌(MBC)患者接受雌激素受体拮抗剂氟维司群作为标准治疗。然而,在这些患者中,与其他转移部位相比,肝转移与总生存期缩短相关。肝转移对ER靶向药物反应降低的潜在因素仍不清楚,阻碍了开发更有效的治疗方法以改善ERþ肝转移患者的预后。因此,我们评估了MBC细胞的部位特异性变化,并确定了肝转移微环境特异性影响ERþ肿瘤代谢和耐药的机制。我们分别在体外利用代表ERþ肿瘤转移部位(肝、肺和骨)基质的新型组织特异性细胞外基质水凝胶系统,以及在体内利用肝和肺转移小鼠模型,表征了MBC细胞的ER活性。
肝转移瘤和在肝脏水凝胶中生长的MBC细胞在氟维司群作用下表现出糖代谢酶表达上调。此外,在肝脏水凝胶中检测到ERα活性存在差异,但表达水平无差异。在体内,糖代谢增加导致肝转移瘤中糖原沉积增加,而模拟禁食饮食则增强了氟维司群治疗效果,减轻了转移负荷。我们的研究结果揭示了一种由肝脏肿瘤微环境驱动内分泌抵抗的新机制。
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。




