野生型与Padi4缺陷小鼠肺来源三阴性乳腺癌细胞转录组分析
该数据集来自NCBI,包含野生型与Padi4缺陷小鼠肺来源三阴性乳腺癌细胞的转录组表达谱,采用高通量测序。研究利用4T1细胞原位移植并切除原发瘤的急性复发转移模型,比较肺转移灶再分离细胞的基因表达差异

基本信息
资源简介
野生型与Padi4缺陷小鼠肺来源三阴性乳腺癌细胞转录组分析
Transcriptomic profiling of lung-derived triple-negative breast cancer cells re-isolated from wild-type and Padi4-deficient mice
该数据集来自NCBI,包含野生型与Padi4缺陷小鼠肺来源三阴性乳腺癌细胞的转录组表达谱,采用高通量测序。研究利用4T1细胞原位移植并切除原发瘤的急性复发转移模型,比较肺转移灶再分离细胞的基因表达差异。数据可用于分析NETs对播散肿瘤细胞表型可塑性和再激活的影响,以及Padi4缺失对肺转移和生存期的作用机制(来源 NCBI)。
【数据集背景】
源站首次发布:May 26 202。
【数据内容】
源站描述(机器翻译,仅供参考):转移复发仍然是三阴性乳腺癌(TNBC)的主要问题。已知肺微环境中的中性粒细胞胞外诱捕网(NETs)在TNBC的转移定植和生长中起关键作用。然而,NETs在急性复发期间决定播散肿瘤细胞(DTCs)表型可塑性和再激活中的确切作用仍不清楚。在这里,我们利用原位急性复发转移小鼠模型,将4T1细胞移植到野生型或NET缺陷(Padi4-/-)小鼠中,随后切除原发肿瘤。尽管Padi4缺陷对原发肿瘤的生长没有影响,但它显著减少了肺转移并延长了生存期。从WT小鼠中重新建立的肺来源4T1细胞显示出高度增殖的上皮表型,而从Padi4-/-小鼠中获得的细胞似乎维持
【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:GPL34290、10090。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=GSE333273
【使用注意】
· 源站最后修改于 Oct 07 202,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=GSE333273
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
转移复发仍是三阴性乳腺癌(TNBC)面临的主要难题。已知肺微环境中的中性粒细胞胞外诱捕网(NETs)在TNBC的转移定植和生长中发挥关键作用。然而,NETs在急性复发期间决定播散性肿瘤细胞(DTCs)表型可塑性及再激活中的确切作用仍不清楚。本研究利用原位急性复发转移小鼠模型,将4T1细胞移植到野生型或NET缺陷型(Padi4-/-)小鼠中,随后切除原发肿瘤。尽管Padi4缺陷对原发肿瘤的生长没有影响,但显著减少了肺转移并延长了生存期。从野生型小鼠中重新建立的肺源性4T1细胞表现出高度增殖的上皮表型,而从Padi4-/-小鼠中获得的细胞似乎维持静息的间充质状态。至关重要的是,组织适应的NET形成性肺中性粒细胞可通过强烈上调转化生长因子-β(TGF-β)负调控因子,从而减弱自分泌信号,诱导间充质-上皮转化(MET)样转换。
总体而言,我们的研究结果揭示,组织适应的NETs充当关键的肿瘤自主分子开关,协调退出静息状态并驱动转移性生长,突显了其作为TNBC围手术期治疗靶点的前景。
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。




