大鼠5号染色体Emca8位点内三个雌激素诱导乳腺癌易感遗传决定因素的定位
该数据集来自omicsdi.org,属于肿瘤/乳腺癌分类,主题标签为Transcriptomics。内容围绕ACI大鼠模型,研究17beta-雌二醇诱导的乳腺癌发生机制,旨在识别和功能表征决定易感性的遗传变异,并明确影响该生理相关大鼠模型中乳腺癌发生的激素-基因-环境相互作用

基本信息
资源简介
大鼠5号染色体Emca8位点内三个雌激素诱导乳腺癌易感遗传决定因素的定位
该数据集来自omicsdi.org,属于肿瘤/乳腺癌分类,主题标签为Transcriptomics。内容围绕ACI大鼠模型,研究17beta-雌二醇诱导的乳腺癌发生机制,旨在识别和功能表征决定易感性的遗传变异,并明确影响该生理相关大鼠模型中乳腺癌发生的激素-基因-环境相互作用。雌性ACI大鼠在持续接受生理水平17beta-雌二醇处理时具有独特易感性,其乳腺癌诱导机制主要依赖雌激素受体-alpha。对易感ACI大鼠与抗性Brown Norway(BN)大鼠杂交后代进行区间定位分析,揭示了七个数量性状位点(QTL),命名为Emca3等(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):我们正在使用17beta-雌二醇诱导乳腺癌的ACI大鼠模型,以确定雌激素促进乳腺癌发展的机制;识别并功能表征决定易感性的遗传变异;并明确影响该生理相关大鼠模型中乳腺癌发生的激素-基因-环境相互作用。雌性ACI大鼠在持续接受生理水平17beta-雌二醇处理时,对乳腺癌的发生具有独特易感性。雌性ACI大鼠中乳腺癌的诱导通过一种主要依赖雌激素受体-alpha的机制发生。对易感ACI大鼠与抗性Brown Norway(BN)大鼠杂交后代进行的区间定位分析揭示了七个数量性状位点(QTL),命名为Emca3(雌激素诱导乳腺癌)等。
【主题与分类】
主题标签:Transcriptomics。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-39788
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://omicsdi.org/dataset/biostudies-arrayexpress/E-GEOD-39788
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
我们正在使用17β-雌二醇诱导的ACI大鼠乳腺癌模型,以明确雌激素促进乳腺癌发展的机制;识别并功能性地描述决定易感性的遗传变异;以及在此生理相关的大鼠模型中,界定影响乳腺癌发生的激素-基因-环境相互作用。雌性ACI大鼠在持续接受生理水平的17β-雌二醇处理时,独特地易于发生乳腺癌。雌性ACI大鼠中乳腺癌的诱导主要通过一种很大程度上依赖于雌激素受体α的机制实现。对易感性ACI大鼠与抵抗性Brown Norway (BN)大鼠杂交后代进行的区间定位分析揭示了七个数量性状位点(QTL),命名为Emca3(雌激素诱导的乳腺癌)至Emca9,每个位点均含有一个或多个乳腺癌易感性的遗传决定因素。位于RNO5上的Emca8区域内,在17β-雌二醇处理的ACI大鼠与ACI.BN-Emca8同类系大鼠之间表达存在差异的基因,被确定为Emca8的候选基因。
比较了两组接受17β-雌二醇治疗的雌性大鼠。五只ACI大鼠和五只BN.ACI-Emca8大鼠接受了为期12周的17β-雌二醇治疗。从这些动物的乳腺中提取总RNA,标记后与Affymetrix大鼠基因组230 2.0芯片(Affymetrix公司)杂交。在这两组之间发现了显著差异表达的基因。
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。




