新辅助HER2抑制诱导ESR1 DNA甲基化改变导致乳腺癌ER表达临床相关变化
该数据集来自NCBI GEO,聚焦乳腺癌中新辅助HER2抑制治疗对ESR1 DNA甲基化及ER表达的影响。数据覆盖治疗前活检、残留病灶治疗后样本及转移肿瘤样本,包含匹配肿瘤的甲基化谱数据

基本信息
资源简介
新辅助HER2抑制诱导ESR1 DNA甲基化改变导致乳腺癌ER表达临床相关变化
Neoadjuvant HER2 inhibition induces ESR1 DNA methylation alterations resulting in clinically relevant ER expression changes in breast cancer
该数据集来自NCBI GEO,聚焦乳腺癌中新辅助HER2抑制治疗对ESR1 DNA甲基化及ER表达的影响。数据覆盖治疗前活检、残留病灶治疗后样本及转移肿瘤样本,包含匹配肿瘤的甲基化谱数据。可用于分析治疗与转移过程中DNA甲基化景观变化,探索雌激素响应、上皮间质转化及PI3K/AKT/mTOR等信号通路的差异甲基化,为乳腺癌分子亚型动态变化和临床管理研究提供数据支持(来源 NCBI)。
【数据集背景】
源站首次发布:Dec 02 202。
【数据内容】
源站描述(机器翻译,仅供参考):乳腺癌疾病进展中雌激素受体(ER)和HER2状态的分歧对临床管理和长期生存具有重要影响。分子亚型表达是动态的,并受治疗干预和转移环境的影响。在治疗前活检、残留病灶患者的治疗后样本以及相关转移肿瘤样本中评估了HER2状态、ER表达水平和全局DNA甲基化。甲基化景观映射显示,治疗后整体低甲基化增加(n=7对匹配肿瘤,16个样本),而转移灶则呈现高甲基化(n=5对匹配肿瘤,14个样本)。包括雌激素响应、上皮间质转化和PI3K/AKT/mTOR在内的关键信号通路的差异甲基化在治疗后和转移之间是保守的。然而
【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:GPL21145、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=GSE283272
【使用注意】
· 源站最后修改于 Mar 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=GSE283272
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
乳腺癌疾病进展过程中雌激素受体(ER)和HER2状态的分歧对临床管理和长期生存具有重要影响。分子亚型表达是动态的,并受治疗干预和转移微环境的影响。在治疗前活检、残留病灶患者的治疗后样本以及相关情况下的转移性肿瘤样本中评估了HER2状态、ER表达水平和全局DNA甲基化。甲基化图谱的绘制显示,治疗后整体呈现低甲基化增益(n=7对匹配肿瘤,16份样本),而转移灶则呈现高甲基化(n=5对匹配肿瘤,14份样本)。关键信号通路(包括雌激素反应、上皮-间质转化和PI3K/AKT/mTOR)的差异甲基化在治疗后和转移灶之间是保守的。然而,当核心通路基因在治疗后呈低甲基化时,在转移灶中则转变为高甲基化,从而促进肿瘤表型的改变。
本研究揭示了DNA甲基化是乳腺癌进展中的关键过程,为靶向HER2治疗的效果提供了重要见解。这项工作为开发HER2抑制剂与内分泌治疗联合策略以改善HER2阳性患者的长期生存提供了明确依据。
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。




