小鼠体内[U-¹³C]-葡萄糖输注揭示原发性与脑转移性乳腺肿瘤的代谢差异

比较乳腺癌细胞系MDA-MB-231来源的原发性乳腺脂肪垫(MFP)肿瘤与脑转移瘤的葡萄糖利用,发现不同部位肿瘤的代谢物标记模式不同,反映营养可用性与生物合成活动差异

omicsdi
浏览 11
其他分类Metabolomics
Metabolic differences between primary and brain metastatic breast tumors revealed by in vivo [U-¹³C]-glucose infusion in mice

基本信息

模态
其他
任务类型
分类
创建/更新时间
2026-11-03

资源简介

小鼠体内[U-¹³C]-葡萄糖输注揭示原发性与脑转移性乳腺肿瘤的代谢差异

比较乳腺癌细胞系MDA-MB-231来源的原发性乳腺脂肪垫(MFP)肿瘤与脑转移瘤的葡萄糖利用,发现不同部位肿瘤的代谢物标记模式不同,反映营养可用性与生物合成活动差异。脑肿瘤氨基酸及TCA循环中间体标记更高,提示其通过增强合成应对脑内营养获取受限;MFP肿瘤核苷酸合成活性更高。结果表明肿瘤微环境塑造代谢适应,癌细胞在多样组织中采用灵活策略维持生长(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):转移性乳腺肿瘤必须适应其靶组织的代谢限制。为了解肿瘤代谢如何因部位而异,我们比较了源自乳腺癌细胞系 MDA-MB-231 的原发乳腺脂肪垫(MFP)肿瘤和脑转移瘤中的葡萄糖利用。各部位的肿瘤表现出不同的代谢物标记模式,反映了营养可用性和生物合成活性的差异。脑肿瘤表现出更高的氨基酸和 TCA 循环中间产物标记,这与为克服脑内营养获取受限而增加合成相一致,而 MFP 肿瘤则表现出更高的核苷酸合成活性。这些发现阐明了肿瘤微环境如何塑造代谢适应,并凸显了癌细胞在不同组织中维持生长所采用的灵活策略。

【主题与分类】

主题标签:Metabolomics。本站分类:肿瘤/乳腺癌。

【获取与许可】

源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS13152

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付,我们提供全链路闭环服务,让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持?联系我们获取定制方案。

帮我联系

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。

免费样本无法满足模型训练要求?千方提供经三甲医院脱敏、带病理回证与专家标注的商业级专病数据集。

使用方式

数据集获取

源站:https://omicsdi.org/dataset/metabolights_dataset/MTBLS13152

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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。

数据说明

转移性乳腺肿瘤必须适应其靶组织的代谢限制。为了解肿瘤代谢如何因部位而异,我们比较了源自乳腺癌细胞系 MDA-MB-231 的原发乳腺脂肪垫(MFP)肿瘤和脑转移瘤中的葡萄糖利用。各部位的肿瘤表现出不同的代谢物标记模式,反映了营养可用性和生物合成活性的差异。脑肿瘤表现出更高的氨基酸和 TCA 循环中间产物标记,这与为克服脑内营养获取受限而增加合成相一致,而 MFP 肿瘤则表现出更高的核苷酸合成活性。这些发现阐明了肿瘤微环境如何塑造代谢适应,并凸显了癌细胞在不同组织中维持生长所采用的灵活策略。

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。