GSE301773:GATA3通过抑制整合素β1信号促进铁死亡抵抗
该数据集来自NCBI GEO,聚焦乳腺癌中铁死亡敏感性的异质性机制。利用单细胞RNA测序发现管腔分化癌细胞对铁死亡更具抵抗性,并通过生物信息学与实验揭示转录因子GATA3通过抑制整合素β1及其下游信号通路介导铁死亡抵抗

基本信息
资源简介
GSE301773:GATA3通过抑制整合素β1信号促进铁死亡抵抗
GATA3 Promotes Ferroptosis Resistance by Repressing Integrin β1 Signaling
该数据集来自NCBI GEO,聚焦乳腺癌中铁死亡敏感性的异质性机制。利用单细胞RNA测序发现管腔分化癌细胞对铁死亡更具抵抗性,并通过生物信息学与实验揭示转录因子GATA3通过抑制整合素β1及其下游信号通路介导铁死亡抵抗。数据包含1个文件(GSE301773_series_matrix.txt.gz),属于高通量测序表达谱数据,可用于研究乳腺癌铁死亡抵抗机制及GATA3-整合素β1轴相关分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 07 202。
【数据内容】
源站描述(机器翻译,仅供参考):理解决定细胞对铁死亡应激反应的机制是一个及时的问题,对生物学和病理学具有重大影响。我们在乳腺癌背景下研究了这些机制,其中肿瘤由对铁死亡敏感性不同的多种癌细胞群体组成。利用单细胞RNA测序,我们确定具有管腔分化的癌细胞群体比异质性肿瘤内的其他细胞更耐受铁死亡。随后的生物信息学分析和实验表明,促进管腔分化的转录因子GATA3在管腔乳腺癌细胞的铁死亡抵抗中具有因果作用。在探究所涉及的机制时,我们发现GATA3抑制整合素β1及其下游信号级联的表达。这一观察使我们
【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:GPL34284、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=GSE301773
【使用注意】
· 源站最后修改于 Jul 08 202,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=GSE301773
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
理解决定细胞对铁死亡应激反应的机制是一个紧迫的问题,对生物学和病理学具有重大意义。我们在乳腺癌的背景下研究了这些机制,其中肿瘤由对铁死亡敏感性不同的多种癌细胞群体组成。通过单细胞RNA测序,我们确定具有管腔分化的癌细胞群体比异质性肿瘤内的其他细胞更耐受铁死亡。随后的生物信息学分析和实验揭示,促进管腔分化的转录因子GATA3在管腔乳腺癌细胞的铁死亡抵抗中起因果作用。在探究所涉及的机制过程中,我们发现GATA3抑制整合素β1及其下游信号级联的表达。这一观察使我们证明,整合素β1信号对于基底乳腺癌细胞对铁死亡的敏感性是必要的,因为它调节FAK/ROCK通路,该通路维持ACSL4的表达,而ACSL4是一种对铁死亡至关重要的脂质修饰酶。
GATA3对整合素β1的抑制阻断了该信号通路,使细胞对铁死亡产生抵抗。综合这些数据,我们得以深入了解与乳腺肿瘤中多种类型细胞的细胞生物学和信号通路相关的铁死亡敏感性和耐药性机制。
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。
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。




