Pin1/突变型p53共同调控基因

该数据集来自 omicsdi.org,属于肿瘤/乳腺癌分类下的转录组学数据,主题标签为 Transcriptomics。研究比较了对照、突变型p53敲低或Pin1敲低的 MDA-MB-231 乳腺癌细胞的转录组谱,每种条件设三个生物学重复(A、B、C),共 9 个样本,使用 Affymetrix 微

omicsdi
浏览 4
基因组分类Transcriptomics
Pin1/mutant-p53 jointly controlled genes

基本信息

模态
基因组
任务类型
分类
创建/更新时间
2026-10-19

资源简介

Pin1/突变型p53共同调控基因

该数据集来自 omicsdi.org,属于肿瘤/乳腺癌分类下的转录组学数据,主题标签为 Transcriptomics。研究比较了对照、突变型p53敲低或Pin1敲低的 MDA-MB-231 乳腺癌细胞的转录组谱,每种条件设三个生物学重复(A、B、C),共 9 个样本,使用 Affymetrix 微阵列进行杂交。数据可用于分析突变型p53与Pin1共同调控的基因表达程序,进而研究乳腺癌细胞侵袭和转移相关机制(来源 omicsdi.org)。

【数据内容】

源站描述(机器翻译,仅供参考):为了研究突变型p53和Pin1控制乳腺癌细胞侵袭和转移所依赖的特异性基因表达程序,我们比较了对照、突变型p53敲低或Pin1敲低的MDA-MB-231细胞的转录组谱。MDA-MB-231细胞用针对Pin1、p53或作为对照的LacZ的siRNA转染两次。转染按照制造商的操作流程使用Lifofectamine 2000(Invitrogen)进行。第二次转染四十八小时后,样本随后进行总RNA提取并在Affymetrix微阵列上杂交。三种条件各使用三个生物学重复(A、B、C),共9个样本。

【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-26262

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/biostudies-arrayexpress/E-GEOD-26262

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

为探究突变型p53与Pin1调控乳腺癌细胞侵袭和转移的具体基因表达程序,我们比较了对照组、突变型p53敲低组或Pin1敲低组MDA-MB-231细胞的转录组图谱。MDA-MB-231细胞分别针对Pin1、p53或作为对照的LacZ进行两次siRNA转染。转染按照制造商的操作规程,使用Lifofectamine 2000(Invitrogen)进行。第二次转染后48小时,处理样本以提取总RNA,并在Affymetrix微阵列上进行杂交。三种条件各设三个生物学重复(A、B、C),共计9个样本。

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。