PRJNA112729:ERRγ介导新型浸润性小叶乳腺癌模型中的他莫昔芬耐药
该数据集来自NCBI,属于肿瘤/乳腺癌分类下的转录组或基因表达数据,围绕ERRγ介导的他莫昔芬耐药展开。源站描述指出,内分泌治疗耐药的现有数据几乎都来自浸润性导管癌模型,而浸润性小叶癌占每年新诊断浸润性乳腺癌的比例可达15%,且绝经后女性中患病率持续上升

基本信息
资源简介
PRJNA112729:ERRγ介导新型浸润性小叶乳腺癌模型中的他莫昔芬耐药
该数据集来自NCBI,属于肿瘤/乳腺癌分类下的转录组或基因表达数据,围绕ERRγ介导的他莫昔芬耐药展开。源站描述指出,内分泌治疗耐药的现有数据几乎都来自浸润性导管癌模型,而浸润性小叶癌占每年新诊断浸润性乳腺癌的比例可达15%,且绝经后女性中患病率持续上升。研究报道了一种新的他莫昔芬耐药浸润性小叶乳腺癌细胞模型,为内分泌耐药的分子机制提供了新见解。数据可用于研究乳腺癌内分泌治疗耐药相关的基因表达变化(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):所有接受内分泌治疗的ER+乳腺肿瘤中有三分之一治疗失败,其余肿瘤未来很可能复发。几乎所有关于内分泌耐药的数据都来自浸润性导管癌(IDC)模型。然而,浸润性小叶癌(ILC)占每年新诊断浸润性乳腺癌的比例高达15%,并且在过去20年中IDC的发病率保持相对稳定,而ILC的患病率在绝经后女性中持续上升。我们报道了一种新的他莫昔芬(TAM)耐药浸润性小叶乳腺癌细胞模型,为内分泌耐药的分子机制提供了新见解。SUM44细胞表达ER,并对抗雌激素的生长抑制作用敏感。通过选择对4-羟基他莫昔芬的耐药性,开发出了SUM44/LCCTam细胞系,wh
【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/PRJNA112729
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/PRJNA112729
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
在所有接受内分泌治疗的ER+乳腺肿瘤中,有三分之一治疗无效,其余则可能在将来复发。关于内分泌抵抗的数据几乎全部来自浸润性导管癌(IDC)模型。然而,每年新诊断的浸润性乳腺癌中,浸润性小叶癌(ILC)占比高达15%,并且尽管过去20年间IDC的发病率相对稳定,绝经后女性中ILC的患病率却持续上升。我们报告了一种新的他莫昔芬(TAM)抵抗性浸润性小叶乳腺癌细胞模型,为内分泌抵抗的分子机制提供了新的见解。SUM44细胞表达ER,并对抗雌激素的生长抑制作用敏感。通过筛选对4-羟基他莫昔芬的抵抗性,我们开发出了SUM44/LCCTam细胞系,该细胞系表现出雌激素受体α(ERα)表达下降和雌激素相关受体γ(ERRγ)表达增加。
在SUM44/LCCTam细胞中通过siRNA敲低ERRγ可恢复TAM敏感性,而过表达ERRγ则阻断TAM对SUM44和MDA-MB-134 VI小叶乳腺癌细胞的生长抑制作用。SUM44/LCCTam中ERRγ驱动的转录也增加,抑制激活蛋白1(AP1)可恢复或增强TAM敏感性。这些数据支持ERRγ/AP1信号在TAM耐药性发展中的作用,并提示ERRγ的表达可能是他莫昔芬反应不佳的标志物。总体设计:从SUM44和LCCTam细胞亚汇合的T-25 cm^2组织培养瓶中提取总RNA,然后进行处理和芯片杂交。随后使用多种工具评估微阵列数据质量,包括Affymetrix推荐的工具及一系列额外的QC措施。采用稳健多阵列平均(RMA)方法对原始基因表达数据进行预处理,该方法在Bioconductor项目(http://bioco
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。




