LIG1杂合敲除与LIG1-WT细胞在MCF-12A TP53缺失及TP53野生型中的转录特征
研究背景涉及三阴性乳腺癌中LIG1缺失与TP53突变共现、DDR活性上调及铂类敏感性降低,并探索PARP抑制剂与ATR抑制剂联合治疗

基本信息
资源简介
LIG1杂合敲除与LIG1-WT细胞在MCF-12A TP53缺失及TP53野生型中的转录特征
Transcriptional properties of LIG1-heterozygous-knockout (hetKO) vs. LIG1-WT cells in MCF-12A TP53-null and TP53-WT cells
该数据集来自NCBI GEO,包含MCF-12A TP53缺失与TP53野生型细胞中LIG1杂合敲除(hetKO)与LIG1野生型(WT)细胞的转录特征,采用高通量测序进行表达谱分析,仅1个文件(GSE329371_series_matrix.txt.gz)。研究背景涉及三阴性乳腺癌中LIG1缺失与TP53突变共现、DDR活性上调及铂类敏感性降低,并探索PARP抑制剂与ATR抑制剂联合治疗。该数据可用于比较不同LIG1和TP53状态下基因表达差异,辅助研究化疗耐药机制与潜在联合用药策略(来源 NCBI)。
【数据集背景】
源站首次发布:Apr 28 202。
【数据内容】
源站描述(机器翻译,仅供参考):蛋白质基因组学分析发现,在一部分富含TP53突变的三阴性乳腺癌(TNBC)中,LIG1(DNA连接酶I)缺失与化疗耐药相关。在此,我们证明TP53突变与LIG1缺失共现与DDR活性上调(包括同源重组)相关,可能促成铂类敏感性降低。无偏遗传筛选和单药药物筛选确定PARP抑制剂(PARPi)是LIG1缺失肿瘤的潜在治疗方法,但敏感性增加幅度有限,低于在同源重组缺陷TNBC模型中观察到的水平。随后,对PARP抑制与120种临床相关DDR抑制剂中每一种联合的筛选显示,添加ATR抑制剂(ATRi)可显著增强LIG1缺失细胞中的PARPi敏感性。Olapar
【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: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=GSE329371
【使用注意】
· 源站最后修改于 Sep 23 202,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=GSE329371
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
蛋白质基因组学分析发现,LIG1(DNA连接酶I)缺失与一部分富含TP53突变的三阴性乳腺癌(TNBC)的化疗耐药性相关。在此,我们证明TP53突变与LIG1缺失的共现与DDR活性上调相关,包括同源重组,可能导致了铂类敏感性降低。无偏遗传学和单药药物筛选确定PARP抑制剂(PARPi)是LIG1缺失肿瘤的潜在治疗方法,然而敏感性增加幅度有限,低于在同源重组缺陷TNBC模型中观察到的水平。随后,对PARP抑制与120种临床相关DDR抑制剂中每一种联合使用的筛选显示,添加ATR抑制剂(ATRi)可显著增强LIG1缺失细胞对PARPi的敏感性。奥拉帕利和ceralasertib在LIG1缺失细胞系模型中表现出协同细胞毒性;与任一单药治疗相比,该联合方案在LIG1低表达PDX模型中显著缩小了肿瘤体积,并在LIG1低表达PDX类器官中显示出比LIG1高表达对照更高的离体细胞毒性。
因此,本研究强调了LIG1状态作为TNBC中DDR靶向联合治疗正在进行和未来临床试验的分层因素。
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。




