PRJNA212525:谷氨酰胺敏感性分析鉴定 xCT 反向转运体为三阴性乳腺肿瘤常见治疗靶点
该数据集来自 NCBI GEO,属于肿瘤/乳腺癌分类下的转录组或基因表达数据。源站描述显示,研究对 46 株独立来源的乳腺致瘤细胞系进行功能代谢分析,并与纯化正常乳腺上皮亚群、新鲜分离的胸腔积液乳腺肿瘤样本及培养适应的非致瘤乳腺上皮细胞衍生物对比,分析谷氨酰胺摄取与依赖性,识别出三阴性样本中谷氨酰胺

基本信息
资源简介
PRJNA212525:谷氨酰胺敏感性分析鉴定 xCT 反向转运体为三阴性乳腺肿瘤常见治疗靶点
该数据集来自 NCBI GEO,属于肿瘤/乳腺癌分类下的转录组或基因表达数据。源站描述显示,研究对 46 株独立来源的乳腺致瘤细胞系进行功能代谢分析,并与纯化正常乳腺上皮亚群、新鲜分离的胸腔积液乳腺肿瘤样本及培养适应的非致瘤乳腺上皮细胞衍生物对比,分析谷氨酰胺摄取与依赖性,识别出三阴性样本中谷氨酰胺营养缺陷型亚群。该提交为比较上述非致瘤、纯化正常及纯化样本表达谱而生成的小型数据集,可用于乳腺癌代谢特征与谷氨酰胺依赖性相关研究(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):少数肿瘤来源的细胞系构成了癌症治疗开发的主要基础,所产出的药物其影响通常以疾病进展的月数来衡量。为开发更有效的乳腺癌疗法并更易理解其潜在临床影响,我们构建了 46 株独立来源的乳腺致瘤细胞系的功能代谢图谱,并与纯化正常乳腺上皮亚群、新鲜分离的胸腔积液乳腺肿瘤样本及培养适应的非致瘤乳腺上皮细胞衍生物进行对比。我们报告了对谷氨酰胺摄取、依赖性的分析,并鉴定出一个显著的三阴性样本亚群为谷氨酰胺营养缺陷型。该 NCBI GEO 提交包含一个小型数据集,用于比较上述非致瘤、纯化正常及纯化样本的表达谱。
【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/PRJNA212525
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/PRJNA212525
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
少数肿瘤来源的细胞系已成为癌症治疗开发的主要支柱,由此产生的药物效果通常以疾病进展的月数来衡量。为了开发更有效的乳腺癌治疗方法,并更直观地理解其潜在临床影响,我们构建了46个独立来源的乳腺肿瘤细胞系的功能代谢图谱,并将其与纯化的正常乳腺上皮亚群、新鲜分离的胸腔积液乳腺肿瘤样本以及培养适应、非致瘤性乳腺上皮细胞衍生物进行了对比。我们报告了对谷氨酰胺摄取、依赖性的分析,并鉴定出一个重要的三阴性样本亚群,这些样本为谷氨酰胺营养缺陷型。本次提交至NCBI GEO的数据集规模较小,旨在比较上述非致瘤性、纯化的正常样本及纯化的胸腔积液样本与10个已建立的乳腺癌来源细胞系的表达谱。
该数据集随后与一个先前发表的表达数据集合并,后者来源于45个独立的乳腺癌衍生细胞系(Neve, et al 2006),并发表了对比合并数据集各子集的分析。总体设计:来自26个样本的表达数据,无重复:来自3个独立匿名供体的纯化正常人乳腺上皮细胞亚群CD10+、BerEP4+及剩余基质细胞样本;3个匿名纯化人乳腺癌胸腔积液样本;4个HMEC衍生经培养适应但未转化的样本(184A1、184B5、HMLE、HMLE-PR);以及10个已建立的人乳腺癌细胞系。
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。
需要用于商业化训练或医疗器械注册(NMPA/FDA)?
公开数据往往缺乏完整的病理回证与专家标注。千方医数集依托陕川双基地与超十家三甲医院直连,提供完全合规、去标识化、支持注册级质控的专病数据集交易服务。




