PRJNA1425300:患者来源细胞系揭示 COL1A2 作为乳腺癌多西他赛耐药预测因子
该数据集来自 NCBI,围绕 HR+/HER2- 乳腺癌(Luminal B、HER2 非扩增)的化疗耐药问题,利用原代细胞培养技术从四例患者建立患者来源原代癌细胞系(PCCL),并确认其保留原肿瘤的病理特征与药物反应异质性

基本信息
资源简介
PRJNA1425300:患者来源细胞系揭示 COL1A2 作为乳腺癌多西他赛耐药预测因子
该数据集来自 NCBI,围绕 HR+/HER2- 乳腺癌(Luminal B、HER2 非扩增)的化疗耐药问题,利用原代细胞培养技术从四例患者建立患者来源原代癌细胞系(PCCL),并确认其保留原肿瘤的病理特征与药物反应异质性。研究进一步分析 PCCL 对紫杉烷类药物的敏感性差异,旨在探索 HR+/HER2- 乳腺癌化疗耐药的机制与预测模型,并揭示 COL1A2 作为多西他赛耐药预测因子。数据主题为转录组或基因表达,可用于乳腺癌耐药机制研究与预测标志物挖掘(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):乳腺癌是全球女性中最常见的恶性肿瘤类型,也是全球癌症相关死亡的主要原因。化疗耐药是乳腺癌治疗中的重大挑战,也是导致肿瘤复发和转移的主要因素。目前,该领域缺乏有效的预测策略。在本研究中,我们利用原代细胞培养技术,成功从四例 HR+/HER2- 乳腺癌患者(Luminal B,HER2 非扩增)中建立了患者来源的原代癌细胞系(PCCL)。原肿瘤的病理特征和药物反应异质性得到保留。目的是深入探究 HR+/HER2- 乳腺癌化疗耐药的机制和预测模型。我们的研究发现 PCCL 对紫杉烷类药物的敏感性存在差异,inc
【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/PRJNA1425300
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/PRJNA1425300
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
乳腺癌是全球女性中最常见的恶性肿瘤类型,也是全球癌症相关死亡的主要原因。化疗耐药是乳腺癌治疗中的一个重大挑战,也是导致肿瘤复发和转移的主要因素。目前,该领域缺乏有效的预测策略。在本研究中,我们利用原代细胞培养技术,成功从四名HR+/HER2-乳腺癌患者(Luminal B型,HER2非扩增)中建立了患者来源的原代癌细胞系(PCCL)。已证实其保留了原发肿瘤的病理特征和药物反应异质性。目的是深入探究HR+/HER2-乳腺癌化疗耐药的机制和预测模型。我们的研究发现,PCCL对包括多西他赛在内的紫杉烷类药物敏感性各异。通过RNA测序和蛋白质-蛋白质相互作用(PPI)网络分析,我们发现COL1A2基因在表现出多西他赛耐药的HR+/HER2-乳腺癌患者中显著过表达。
值得注意的是,这种过表达与患者的病理完全缓解率(pCR)和无复发生存期(RFS)呈负相关。在功能实验中,COL1A2高表达与HR+/HER2阴性乳腺癌细胞对多西他赛敏感性降低相关。这些发现与接受新辅助治疗(AC-T方案)患者的影像学评估和术后病理结果一致。这些发现表明,COL1A2与HR+/HER2-乳腺癌化疗敏感性降低相关,并可能作为指导新辅助紫杉烷类药物选择的候选生物标志物。总体而言,本研究为晚期乳腺癌患者新辅助化疗药物的选择提供了新的理论基础。总体设计:人乳腺癌RNA-seq:多西他赛耐药组和do
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。




