PRJNA1101442:IMPDH2 调控三阴性乳腺癌治疗反应与化疗耐药
该数据集来自 NCBI,聚焦三阴性乳腺癌(TNBC)对化疗的耐药机制,主题为转录组或基因表达。研究识别出 inosine monophosphate dehydrogenase 2(IMPDH2)参与不同 TNBC 模型对多柔比星的耐药;公共数据分析显示 IMPDH2 表达升高与 TNBC 总体预后

基本信息
资源简介
PRJNA1101442:IMPDH2 调控三阴性乳腺癌治疗反应与化疗耐药
该数据集来自 NCBI,聚焦三阴性乳腺癌(TNBC)对化疗的耐药机制,主题为转录组或基因表达。研究识别出 inosine monophosphate dehydrogenase 2(IMPDH2)参与不同 TNBC 模型对多柔比星的耐药;公共数据分析显示 IMPDH2 表达升高与 TNBC 总体预后更差相关,包括辅助/新辅助治疗后无复发生存期更短。遗传缺失或药理抑制 IMPDH2 可在多种多柔比星耐药 TNBC 模型的体外和体内实验中减少促肿瘤表型。数据可用于研究化疗耐药相关基因表达与治疗反应预测(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):三阴性乳腺癌(TNBC)是乳腺癌中最致命的亚型之一,其高复发率往往源于对化疗产生耐药。在此,我们鉴定出 inosine monophosphate dehydrogenase 2(IMPDH2)是不同 TNBC 模型中对多柔比星耐药的贡献因素。对公共数据集的分析显示,IMPDH2 表达升高与临床中 TNBC 总体预后更差相关,包括辅助/新辅助治疗后无复发生存期更低。重要的是,遗传缺失或药理抑制 IMPDH2 可在多种多柔比星耐药 TNBC 模型中减少促肿瘤表型,体外和体内均如此。总体而言,我们提出 IMPDH2 作为一种新的脆弱性,可用于治疗性地抑制和/或预防化疗耐药病灶的生长。总体设计:为研究 ef
【主题与分类】
主题标签:Transcriptome or Gene expression。本站分类:肿瘤/乳腺癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/bioproject/PRJNA1101442
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://ncbi.nlm.nih.gov/bioproject/PRJNA1101442
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
三阴性乳腺癌(TNBC)是乳腺癌中最致命的亚型之一,其高复发率往往源于对化疗产生耐药性。在此,我们在不同的TNBC模型中鉴定出次黄嘌呤核苷酸脱氢酶2(IMPDH2)是阿霉素耐药的促成因素。对公共数据集的分析显示,IMPDH2表达升高与临床中TNBC总体预后较差相关,包括辅助/新辅助治疗后无复发生存期较短。重要的是,在多个阿霉素耐药的TNBC模型中,无论是体外还是体内,通过基因敲除或药物抑制IMPDH2均可导致促肿瘤表型的减少。总体而言,我们提出IMPDH2作为一种新的脆弱靶点,可用于治疗性地抑制和/或预防化疗耐药病灶的生长。总体设计:为研究IMPDH2的作用,我们建立了阿霉素耐药的MDA-MB-231细胞,随后使用短发夹RNA(shRNA)敲低IMPDH2。
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。
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。




