PRJNA1194992:评估米非司酮对BRCA突变女性子宫内膜组织的影响:一项随机临床试验
该数据集来自 NCBI,属于肿瘤/乳腺癌分类,主题为转录组或基因表达。研究基于一项随机、双盲、安慰剂对照试验,纳入携带 BRCA1 或 BRCA2 突变的绝经前女性,接受三个月治疗,旨在评估米非司酮对子宫内膜组织的影响,尤其是其与 BRCA 突变携带者子宫内膜癌发生的潜在关联

基本信息
资源简介
PRJNA1194992:评估米非司酮对BRCA突变女性子宫内膜组织的影响:一项随机临床试验
该数据集来自 NCBI,属于肿瘤/乳腺癌分类,主题为转录组或基因表达。研究基于一项随机、双盲、安慰剂对照试验,纳入携带 BRCA1 或 BRCA2 突变的绝经前女性,接受三个月治疗,旨在评估米非司酮对子宫内膜组织的影响,尤其是其与 BRCA 突变携带者子宫内膜癌发生的潜在关联。数据可用于分析孕激素受体调节剂对子宫内膜基因表达的作用,以及探索 BRCA 突变背景下激素干预与子宫内膜癌风险的关系(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):背景:子宫内膜受类固醇激素调控,在激素失衡条件下尤其易患疾病。孕酮在不同组织中对细胞生长的调节方式不同,在乳腺中作为促肿瘤因子,而在子宫内膜中通过对抗雌二醇的作用发挥抑癌功能。米非司酮等孕激素受体调节剂可能预防乳腺癌发生,但引发了对子宫内膜中雌二醇无对抗暴露的担忧。本研究探讨米非司酮对子宫内膜的影响,特别是其与 BRCA 突变携带者(存在 DNA 修复和复制脆弱性)子宫内膜癌发生的潜在关联。方法:本研究是一项随机、双盲、安慰剂对照试验的一部分,将携带 BRCA1 或 BRCA2 突变的绝经前女性分配至三个月治疗
【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/PRJNA1194992
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/PRJNA1194992
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
背景:子宫内膜受类固醇激素调控,在激素失衡条件下尤其易患疾病。孕酮对不同组织中细胞生长的调节方式各异,在乳腺中作为促肿瘤因子,而在子宫内膜中则通过拮抗雌二醇的作用发挥抑瘤功能。米非司酮等孕酮受体调节剂可能预防乳腺癌的发生,但引发了对其导致子宫内膜暴露于无拮抗雌二醇的担忧。本研究探讨米非司酮对子宫内膜的影响,尤其是其与BRCA突变携带者子宫内膜癌变的潜在关联,此类携带者存在DNA修复和复制缺陷。方法:本研究是一项随机、双盲、安慰剂对照试验的一部分,该试验将携带BRCA1或BRCA2突变的绝经前女性分配至为期三个月的治疗组,每隔一天接受米非司酮(50 mg)或非激素类对照药(TrioB)。在治疗前后采集子宫内膜活检样本,经处理后分析子宫内膜厚度、细胞组成、甲基化模式及基因表达谱的变化。
依从性和安全性监测得到严格维持。结果:米非司酮治疗使所有接受治疗的参与者均出现闭经,这与其抑制排卵的作用一致。超声显示治疗后子宫内膜厚度增加,但无统计学意义。细胞分析表明细胞组成发生变化,上皮细胞减少而成纤维细胞水平升高,提示子宫内膜增厚可能主要反映间质扩张而非上皮增殖。这一区分在临床上很重要,因为上皮增殖与癌变更密切相关。DNA甲基化分析显示TCGA-EC甲基化指数无显著改变,基因表达谱分析显示致癌相关
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。




