PRJNA1438609：神经酰胺诱导的内质网应激作为内分泌治疗耐药乳腺癌的可靶向脆弱点
该数据集来自 NCBI，属于肿瘤/乳腺癌方向，主题为转录组或基因表达。研究对内分泌治疗（ET）敏感的亲本 MCF-7 细胞及三种 ET 耐药衍生细胞系（MCF-7-HER2、MCF-7-TAMR、MCF-7-FULR）给予 10 µM C8-ceramide 处理 24 小时，并对每组三份样本进行总
基本信息
资源简介
PRJNA1438609：神经酰胺诱导的内质网应激作为内分泌治疗耐药乳腺癌的可靶向脆弱点
该数据集来自 NCBI，属于肿瘤/乳腺癌方向，主题为转录组或基因表达。研究对内分泌治疗（ET）敏感的亲本 MCF-7 细胞及三种 ET 耐药衍生细胞系（MCF-7-HER2、MCF-7-TAMR、MCF-7-FULR）给予 10 µM C8-ceramide 处理 24 小时，并对每组三份样本进行总 RNAseq，以比较 C8-ceramide 在 ET 敏感与 ET 耐药乳腺癌细胞中的作用。数据可用于分析神经酰胺诱导的内质网应激相关转录变化，探索 ET 耐药乳腺癌的潜在可靶向脆弱点（来源 ncbi.nlm.nih.gov）。
【数据内容】
源站描述（机器翻译，仅供参考）：将 10 µM C8-ceramide 处理内分泌治疗（ET）敏感的亲本 MCF-7 细胞及其三种 ET 耐药衍生细胞系（MCF-7-HER2、MCF-7-TAMR 和 MCF-7-FULR）24 小时。对每组三份样本进行总 RNAseq，以比较 C8-ceramide 在 ET 敏感和 ET 耐药乳腺癌细胞中的作用。总体设计：ET 敏感 MCF-7 亲本细胞培养于添加 10% FBS、青霉素-链霉素和 L-谷氨酰胺的 RPMI 1640（红色）培养基中。ET 耐药细胞培养于添加 10% 活性炭剥离 FBS、青霉素-链霉素和 L-谷氨酰胺的无酚红 RPMI 1640 培养基中。MCF-7-TAMR 和 MCF-7-FULR 细胞还分别额外添加 10^-7 M 的 4-OHT 和 Fulvestrant（ICI 182780）。将 10 µM C8-ceramide 及载体（乙醇）对照加入相应生长培养基中。细胞处理 24
【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/PRJNA1438609
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/PRJNA1438609
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
将10 µM C8-神经酰胺作用于内分泌治疗（ET）敏感的亲本MCF-7细胞及其三种ET耐药衍生细胞系（MCF-7-HER2、MCF-7-TAMR和MCF-7-FULR）24小时。对每组的三份重复样本进行总RNA测序，以比较C8-神经酰胺在ET敏感和ET耐药乳腺癌细胞中的作用。总体设计：ET敏感的MCF-7亲本细胞培养于添加10% FBS、青霉素-链霉素和L-谷氨酰胺的RPMI 1640（红色）培养基中。ET耐药细胞培养于添加10%活性炭剥离FBS、青霉素-链霉素和L-谷氨酰胺的无酚红RPMI 1640培养基中。MCF-7-TAMR和MCF-7-FULR细胞分别额外添加10^-7 M的4-OHT和Fulvestrant（ICI 182780）。将10 µM C8-神经酰胺及溶剂（乙醇）对照加入各自的生长培养基中。细胞经处理24小时，随后采用Trizol法提取总RNA。RNA进行总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。
