MCF-7细胞诱导性LMO4与DN-Clim表达的基因表达谱
研究旨在发现LMO4下游靶基因,并鉴定出BMP7在两组数据中共同响应,且其表达与人类乳腺癌中LMO4转录水平显著相关。数据可用于乳腺癌基因表达分析、LMO4调控网络研究及候选靶基因筛选(来源 NCBI)

基本信息
资源简介
MCF-7细胞诱导性LMO4与DN-Clim表达的基因表达谱
Expression profiling of MCF-7 cells with inducible LMO4 and DN-Clim expression
该数据集来自NCBI GEO(GSE7382),对MCF-7乳腺癌细胞中可诱导表达的LMO4及显性负性Clim(DN-Clim)进行表达谱芯片检测,包含1个文件(GSE7382_series_matrix.txt.gz),平台为GPL96,物种为人(9606)。研究旨在发现LMO4下游靶基因,并鉴定出BMP7在两组数据中共同响应,且其表达与人类乳腺癌中LMO4转录水平显著相关。数据可用于乳腺癌基因表达分析、LMO4调控网络研究及候选靶基因筛选(来源 NCBI)。
【数据集背景】
源站首次发布:Mar 27 200。
【数据内容】
源站描述(机器翻译,仅供参考):核LIM-only蛋白LMO4在乳腺癌中上调,尤其是在雌激素受体阴性肿瘤中,其在小鼠中的过表达会导致增生和肿瘤形成。在此,我们显示小鼠乳腺中LMO4的缺失由于上皮细胞增殖减少而导致小叶肺泡发育受损。为了发现潜在的LMO4靶基因,我们还在MCF-7细胞中开发了针对LMO4及其共调节因子LIM结构域辅因子(Clim/Ldb/Nli)的显性负性(DN)形式的条件表达系统。然后我们使用DNA微阵列来鉴定对LMO4和DN-Clim上调响应的基因。两个数据集中共有的基因之一是BMP7,其表达在大型人类乳腺癌数据集中也与LMO4转录水平显著相关,表明BMP7是LMO4的真正靶基因
【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:Expression profiling by array、GPL96、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=GSE7382
【使用注意】
· 源站最后修改于 Mar 25 201,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=GSE7382
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
核LIM-only蛋白LMO4在乳腺癌中表达上调,尤其是在雌激素受体阴性肿瘤中,其在小鼠中的过表达会导致增生和肿瘤形成。本研究表明,小鼠乳腺中LMO4的缺失会因上皮细胞增殖减少而导致小叶肺泡发育受损。为了发现潜在的LMO4靶基因,我们还在MCF-7细胞中开发了LMO4及其共调节因子LIM结构域辅因子(Clim/Ldb/Nli)显性负性(DN)形式的条件表达系统。随后,我们使用DNA微阵列来鉴定对LMO4和DN-Clim上调响应的基因。两个数据集中共同的基因之一是BMP7,其表达在大型人类乳腺癌数据集中也与LMO4转录水平显著相关,表明BMP7是乳腺癌中LMO4的真正靶基因。抑制BMP7可部分阻断LMO4对凋亡的影响,表明BMP7至少介导了LMO4的部分功能。
基因转移研究表明,LMO4调控BMP7启动子,染色质免疫沉淀研究显示LMO4及其辅因子Clim2被招募到BMP7启动子。此外,我们证明HDAC2向BMP7启动子的招募被LMO4的上调所抑制,而HDAC2的敲低则上调该启动子。这些研究表明LMO4的一种新作用机制:LMO4、Clim2和HDAC2是转录复合物的一部分,LMO4水平升高可破坏该复合物,导致HDAC2招募减少和启动子活性增加。关键词:诱导型细胞系
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。




