PRJNA1412757:葡萄糖与谷氨酰胺解偶联正交代谢状态独立维持癌细胞存活
研究以 MDA-MB-231 乳腺癌细胞为对象,在四种营养条件下培养:全营养(+Glc,+Gln)、缺乏(−Glc,−Gln)、仅葡萄糖和仅谷氨酰胺,并应用转录组学与代谢组学等方法,探讨葡萄糖和谷氨酰胺是否独立驱动适应性代谢状态,而非作为协同共燃料

基本信息
资源简介
PRJNA1412757:葡萄糖与谷氨酰胺解偶联正交代谢状态独立维持癌细胞存活
该数据集来自 ncbi.nlm.nih.gov,属于肿瘤/乳腺癌分类,主题为 Transcriptome or Gene expression。研究以 MDA-MB-231 乳腺癌细胞为对象,在四种营养条件下培养:全营养(+Glc,+Gln)、缺乏(−Glc,−Gln)、仅葡萄糖和仅谷氨酰胺,并应用转录组学与代谢组学等方法,探讨葡萄糖和谷氨酰胺是否独立驱动适应性代谢状态,而非作为协同共燃料。数据可用于分析不同营养条件下癌细胞的基因表达与代谢通路差异,研究肿瘤代谢可塑性和潜在代谢靶点(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):癌症代谢常被描述为依赖葡萄糖-谷氨酰胺协同燃料;然而,不同营养物是否强制形成离散的代谢状态仍不清楚。葡萄糖利用常在 Warburg 生理学下解释,涉及糖酵解加速和 TCA 顺时针旋转以产生还原当量;但新出现的证据表明,谷氨酰胺在某些条件下可驱动不依赖糖酵解的补给途径,涉及与大量脂质生物合成相关的 TCA 逆时针旋转。在此,我们试图在 MDA-MB-231 乳腺癌细胞中定义葡萄糖和谷氨酰胺如何独立调控适应性代谢状态,而非作为协同共燃料发挥作用。简言之,细胞在四种确定的营养条件下培养——全营养(+Glc,+Gln)、缺乏(−Glc,−Gln)、仅葡萄糖和仅谷氨酰胺——并应用转录组学、代谢
【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/PRJNA1412757
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/PRJNA1412757
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
癌症代谢常被描述为依赖葡萄糖-谷氨酰胺协同燃料;然而,不同营养物质是否强制形成离散的代谢状态仍不清楚。葡萄糖利用通常在Warburg生理学下解释,涉及糖酵解加速和TCA顺时针旋转以产生还原当量;然而,新出现的证据表明,谷氨酰胺在某些条件下可以驱动独立于糖酵解的补充途径,涉及与大量脂质生物合成相关的TCA逆时针旋转。在此,我们试图确定在MDA-MB-231乳腺癌细胞中,葡萄糖和谷氨酰胺如何独立调控适应性代谢状态,而非作为协同共燃料发挥作用。简言之,细胞在四种确定的营养条件下培养——完全(+Glc,+Gln)、缺乏(−Glc,−Gln)、仅葡萄糖和仅谷氨酰胺——并应用转录组学、代谢组学和脂质组学分析来解析营养强制形成的转录和代谢状态。
总体设计:对在四种特定营养条件下培养的MDA-MB-231乳腺癌细胞进行RNA-seq——完全条件(+葡萄糖,+谷氨酰胺)、缺乏条件(−葡萄糖,−谷氨酰胺)、仅葡萄糖和仅谷氨酰胺——并得到代谢组学和脂质组学变化证据的支持。
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。




