PRJNA1395058:核FGF2、雄激素受体与Wnt通路激活定义抗孕激素耐药Luminal乳腺癌可靶向亚群
该数据集来自NCBI,聚焦抗孕激素耐药的Luminal乳腺癌。研究使用过表达FGF2的PR阳性T47D与T47D-YA细胞系,结合转录组测序、qRT-PCR、免疫组化和体内实验,评估激素受体表达、通路改变及治疗反应,并在Luminal乳腺癌标本中检测核雄激素受体与FGF2

基本信息
资源简介
PRJNA1395058:核FGF2、雄激素受体与Wnt通路激活定义抗孕激素耐药Luminal乳腺癌可靶向亚群
该数据集来自NCBI,聚焦抗孕激素耐药的Luminal乳腺癌。研究使用过表达FGF2的PR阳性T47D与T47D-YA细胞系,结合转录组测序、qRT-PCR、免疫组化和体内实验,评估激素受体表达、通路改变及治疗反应,并在Luminal乳腺癌标本中检测核雄激素受体与FGF2。数据涵盖基因表达谱及耐药相关表型信息,可用于探索FGF2驱动的耐药机制、AR与Wnt通路作为治疗靶点的潜力(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):我们使用经工程化改造过表达FGF2的PR阳性T47D和T47D-YA细胞系来研究FGF2驱动的抗孕激素耐药。进行了转录组分析、qRT-PCR、免疫组织化学和体内实验,以评估激素受体表达、通路改变和治疗反应。我们在Luminal乳腺癌标本中评估了核雄激素受体(AR)和FGF2。RNA-seq显示FGF2过表达使Wnt信号失调、下调雌激素受体(ER)和PR,并上调AR表达。PR亚型B(PRB)多于亚型A,与抗孕激素耐药表型一致。过表达FGF2的异种移植瘤显示抗孕激素耐药、增殖增加和肺转移。AR和Wnt通路阻断损害肿瘤生长,联合治疗进一步减少肿瘤和转移负荷。在临床样本中,核FGF2共
【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/PRJNA1395058
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/PRJNA1395058
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
我们使用经工程化改造以过表达FGF2的PR+ T47D和T47D-YA细胞系,研究FGF2驱动的抗孕激素耐药。我们进行了转录组分析、qRT-PCR、免疫组织化学和体内实验,以评估激素受体表达、通路改变及治疗反应。我们评估了管腔型乳腺癌标本中的核雄激素受体(AR)和FGF2。RNA-seq显示,FGF2过表达导致Wnt信号通路失调,下调雌激素受体(ER)和PR,并上调AR表达。PR亚型B(PRB)多于亚型A,这与抗孕激素耐药表型一致。过表达FGF2的异种移植瘤显示出抗孕激素耐药、增殖增加和肺转移。阻断AR和Wnt通路可抑制肿瘤生长,联合治疗进一步减少了肿瘤和转移负荷。在临床样本中,核FGF2与ER+PR−和PRB高表达肿瘤中AR水平升高相关。总体设计:从过表达18或22.5 kDa FGF2亚型的T47D-YA细胞以及空载体对照(MOCK)中分离总RNA,用于进一步RNA测序。
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。




