BRCA1介导的miRNA与mRNA特征整合揭示miR-146a、miR-99b和miR-205对TRAF2和NFkB通路的调控(mRNA数据集)
该数据集来自NCBI,属于肿瘤/乳腺癌分类下的转录组或基因表达数据。源站描述围绕BRCA1失调在乳腺癌等肿瘤发病中的高频事件展开,整合了HCC1937乳腺癌细胞系及稳定表达BRCA1的同源细胞系的mRNA与miRNA微阵列实验数据,用于发现与BRCA1表达相关的显著miRNA-mRNA关系,揭示mi

基本信息
资源简介
BRCA1介导的miRNA与mRNA特征整合揭示miR-146a、miR-99b和miR-205对TRAF2和NFkB通路的调控(mRNA数据集)
该数据集来自NCBI,属于肿瘤/乳腺癌分类下的转录组或基因表达数据。源站描述围绕BRCA1失调在乳腺癌等肿瘤发病中的高频事件展开,整合了HCC1937乳腺癌细胞系及稳定表达BRCA1的同源细胞系的mRNA与miRNA微阵列实验数据,用于发现与BRCA1表达相关的显著miRNA-mRNA关系,揭示miR-146a、miR-99b和miR-205对TRAF2和NFkB通路的调控。数据可用于探索BRCA1介导的肿瘤发生分子事件及miRNA-基因相互作用研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):BRCA1失调是乳腺癌及其他癌症发病中的常见事件。除DNA修复功能外,BRCA1还参与细胞周期、染色质重塑或转录等广泛细胞过程。然而,BRCA1相关肿瘤发生的分子事件仍很大程度上未知。为加深对BRCA1相关肿瘤发生的理解,我们整合了HCC1937乳腺癌细胞系及稳定表达BRCA1的同源HCC1937的mRNA和miRNA微阵列实验数据,以获得与BRCA1基因存在相关的显著miRNA-mRNA关系。我们的结果表明,整合与BRCA1表达相关的mRNA和miRNA有助于发现新的miRNA-基因相互作用,作为BRCA1介导肿瘤发生的分子事件。总体设计:转录
【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/PRJNA154567
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/PRJNA154567
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
BRCA1的失调是乳腺癌及其他癌症发病过程中的常见事件。除DNA修复功能外,BRCA1还参与细胞周期、染色质重塑或转录等多种细胞过程。然而,BRCA1相关肿瘤发生的分子事件在很大程度上仍不清楚。为了加深对BRCA1相关肿瘤发生的理解,我们整合了HCC1937乳腺癌细胞系及稳定表达BRCA1的同源HCC1937细胞的mRNA和miRNA微阵列实验数据,以获得与BRCA1基因存在相关的显著miRNA-mRNA关系。我们的结果表明,整合与BRCA1表达相关的mRNA和miRNA有助于发现新的miRNA-基因相互作用,作为BRCA1介导的肿瘤发生的分子事件。总体设计:对BRCA1缺失的HCC1937细胞系及稳定转染BRCA1后的HCC1937细胞进行转录谱分析。双条件实验:通用人类参考RNA(Stratagene,货号#740000)(Cy3)对比细胞系(Cy5)。生物学重复:3个HCC1937,3个BRCA1转染的HCC1937细胞。
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。




