GSE316985:CRISPR筛选鉴定PRMT7为增强乳腺癌T细胞杀伤的治疗靶点
该数据集来自NCBI GEO,标题为CRISPR筛选鉴定PRMT7为增强乳腺癌T细胞杀伤的治疗靶点。源站描述显示,研究通过全基因组CRISPR敲除与抑制筛选,在MCF7乳腺癌细胞与细胞毒性T淋巴细胞共培养体系中寻找影响杀伤的基因,发现33个候选调节基因并验证其中6个;PRMT7表达与CD8+浸润及生

基本信息
资源简介
GSE316985:CRISPR筛选鉴定PRMT7为增强乳腺癌T细胞杀伤的治疗靶点
CRISPR screens identify PRMT7 as a therapeutic target to enhance T cell-mediated killing in breast cancer
该数据集来自NCBI GEO,标题为CRISPR筛选鉴定PRMT7为增强乳腺癌T细胞杀伤的治疗靶点。源站描述显示,研究通过全基因组CRISPR敲除与抑制筛选,在MCF7乳腺癌细胞与细胞毒性T淋巴细胞共培养体系中寻找影响杀伤的基因,发现33个候选调节基因并验证其中6个;PRMT7表达与CD8+浸润及生存负相关,药理抑制PRMT7可增敏。数据含1个文件GSE316985_series_matrix.txt.gz,可用于乳腺癌免疫治疗靶点预测研究(来源 NCBI)。
【数据集背景】
源站首次发布:Jan 20 202。
【数据内容】
源站描述(机器翻译,仅供参考):全基因组关联研究(GWAS)已鉴定出超过220个与乳腺癌易感性相关的位点,但识别效应基因、其作用方式并优先确定治疗靶点仍是一项重大挑战。为解决这一问题,我们进行了混合CRISPR敲除和抑制筛选,以鉴定风险位点上影响细胞毒性T淋巴细胞(CTL)在共培养中杀伤MCF7乳腺癌细胞的基因。这些筛选揭示了33个候选调节基因,其中我们通过在两个细胞系中进行单基因编辑验证了六个。IRF1、ATF7IP和CASP8的缺失赋予了对CTL杀伤的抗性,而CFLAR、CREBBP和PRMT7的破坏增强了敏感性。临床数据分析显示,PRMT7表达与乳腺癌患者队列中的CD8+浸润和生存呈负相关。PRMT7的药理抑制使
【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、GPL24676、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=GSE316985
【使用注意】
· 源站最后修改于 Feb 18 202,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=GSE316985
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
全基因组关联研究(GWAS)已鉴定出超过220个与乳腺癌易感性相关的基因座,然而识别效应基因、其作用方式以及优先筛选治疗靶点仍是一项重大挑战。为解决这一问题,我们进行了混合CRISPR敲除和抑制筛选,以鉴定在共培养体系中影响细胞毒性T淋巴细胞(CTL)杀伤MCF7乳腺癌细胞的风险基因座基因。这些筛选揭示了33个候选调节基因,其中我们在两种细胞系中通过单基因编辑验证了六个。IRF1、ATF7IP和CASP8的缺失赋予了对CTL杀伤的抗性,而CFLAR、CREBBP和PRMT7的破坏则增强了敏感性。临床数据分析显示,PRMT7表达与乳腺癌患者队列中CD8+浸润和生存呈负相关。PRMT7的药理学抑制使乳腺细胞在体外对CTL杀伤敏感,且Prmt7缺陷肿瘤在免疫健全小鼠中表现出生长减缓及CD8+ T细胞浸润增加。在免疫缺陷小鼠中未观察到Prmt7依赖性肿瘤生长的增强,表明Prmt7参与免疫逃逸。
本研究强调了CRISPR筛选在高通量功能验证GWAS发现中的实用性,并确定抑制PRMT7是一种有前景的治疗策略。
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。




