同源PDX模型中的紫杉醇耐药性
三阴性乳腺癌同源PDX模型的RNA-seq数据，比较紫杉醇敏感与耐药肿瘤的分子通路，用于耐药机制研究。
基本信息
资源简介
同源PDX模型中的紫杉醇耐药性
【一句话概览】
该研究针对三阴性乳腺癌临床管理中的肿瘤异质性与化疗耐药难题，对紫杉醇敏感和耐药的亲本MAS98.12与耐药衍生MAS98.12PR同源PDX进行bulk RNA测序，解析耐药相关分子通路，将耐药模型上调通路作为后续靶点探索，并在公开临床数据中评估其临床相关性。小鼠经持续治疗TNBC PDX产生紫杉醇耐药；同源对RNAseq数据登记于PRJNA1105034（来源 NCBI）。
【数据集背景】
本数据集源站标题为《Paclitaxel resistance in isogenic PDX》。源站首次发布：2024-10-04。
【数据内容】
源站原始描述：Tumor heterogeneity and resistance to chemotherapy represents a significant challenge in the clinical management of triple negative breast cancer (TNBC). By dissecting molecular pathways associated with treatment resistance, we sought to define patient sub-groups and define actionable targets for next-line treatment. Bulk RNA sequencing were performed on isogenic patient-derived xenografts (PDX) representing paclitaxel-sensitive and -resistant tumors. Pathways identified as upregulated in the re…
中文译文（机器翻译，仅供快速理解，请以原文为准）：肿瘤异质性和化疗耐药是三阴性乳腺癌（TNBC）临床管理中的重大挑战。通过剖析与治疗耐药相关的分子通路，我们试图界定患者亚组，并为下一线治疗确定可操作的靶点。对代表紫杉醇敏感和耐药肿瘤的同基因患者来源异种移植瘤（PDX）进行了bulk RNA测序。在耐药模型中鉴定为上调的通路，在后续方法中作为靶点进一步探索，并在公开可用的临床数据中评估其临床相关性。总体设计：通过持续处理三阴性乳腺癌患者来源异种移植瘤，在小鼠中产生了紫杉醇耐药。将亲本MAS98.12和耐药衍生的MAS98.12PR组成的同基因配对进行RNA测序
【主题与分类】
主题标签：PRJNA1105034。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/sra/SRP504297
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。
免登录有偿下载
公开数据集受托下载与技术交付服务。
提供高速下载与技术交付服务（收技术服务费，非数据销售）
暂未开放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://www.ncbi.nlm.nih.gov/sra/SRP504297
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
数据缺失？
依托陕西、四川两大基地，我们与超过十家三甲医院建立直接合作关系，覆盖合规授权、采集治理、专业标注、数据交付的全流程，为AI医疗团队提供即拿即用的高质量临床数据。
⚡️ 需要数据支持或标注服务？立即联系我们获取专业方案。
