GSE290005:辐射抗性通过改变RNA代谢增强转移
该数据集来自NCBI,聚焦三阴性乳腺癌(TNBC)中辐射抗性与转移之间的因果关系。源站描述指出,辐射抗性肿瘤细胞具有增强的转移能力,尤其倾向于骨转移;辐射抗性上调整合素β3(ITGb3)表达,促进迁移和侵袭,生物信息学分析与后续实验揭示富集的RNA代谢通路可稳定ITGb3转录本,涉及RNA结合蛋白H

基本信息
资源简介
GSE290005:辐射抗性通过改变RNA代谢增强转移
Resistance to Radiation Enhances Metastasis by Altering RNA Metabolism
该数据集来自NCBI,聚焦三阴性乳腺癌(TNBC)中辐射抗性与转移之间的因果关系。源站描述指出,辐射抗性肿瘤细胞具有增强的转移能力,尤其倾向于骨转移;辐射抗性上调整合素β3(ITGb3)表达,促进迁移和侵袭,生物信息学分析与后续实验揭示富集的RNA代谢通路可稳定ITGb3转录本,涉及RNA结合蛋白HNRNPL。数据集含1个文件(GSE290005_series_matrix.txt.gz),主题标签为Other、GPL24106、9606,可用于研究辐射抗性、RNA代谢与乳腺癌转移的关联(来源 NCBI)。
【数据集背景】
源站首次发布:Feb 19 202。
【数据内容】
源站描述(机器翻译,仅供参考):介导治疗抵抗的细胞程序往往是转移的重要驱动因素,这一现象需要更好地理解,以改善癌症患者的筛查和治疗选择。尽管该问题在化疗领域已被广泛研究,但关于放疗抵抗与转移之间因果联系的认识仍较少。我们在三阴性乳腺癌(TNBC)中研究了这一问题,并确定辐射抗性肿瘤细胞具有增强的转移能力,尤其是向骨的转移。辐射抗性增加整合素β3(ITGb3)的表达,从而促进迁移和侵袭增强。生物信息学分析及后续实验揭示,稳定ITGb3转录本的RNA代谢通路出现富集。具体而言,RNA结合蛋白异质核核糖核蛋白L(HNRNPL),其表达
【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:Other、GPL24106、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=GSE290005
【使用注意】
· 源站最后修改于 Dec 31 202,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=GSE290005
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
介导治疗耐药的细胞程序往往是转移的重要驱动因素,这一现象需要更深入理解,以改善癌症患者的筛查和治疗选择。尽管该问题在化疗领域已被广泛研究,但关于放疗耐药与转移之间因果联系的认识仍较少。我们在三阴性乳腺癌(TNBC)中研究了这一问题,并确定放疗耐药的肿瘤细胞具有增强的转移能力,尤其是向骨的转移。放疗耐药增加整合素β3(ITGb3)的表达,从而促进迁移和侵袭能力增强。生物信息学分析及后续实验揭示,RNA代谢通路富集并稳定ITGb3转录本。具体而言,表达受Nrf2调控的RNA结合蛋白异质性核糖核蛋白L(HNRNPL)介导环状RNA(circRNAs)的形成,这些环状RNA作为竞争性内源RNA(ceRNAs),作用于靶向ITGb3的let-7 microRNA家族。
总体而言,我们的发现揭示了一种由RNA代谢改变驱动的新型放射诱导转移机制。
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。




