PRJNA301998：人乳腺癌驱动基因、脆弱性与耐药性的功能基因组图谱（pooled shRNA筛选）

该数据集来自NCBI，针对77株乳腺癌细胞系开展全基因组shRNA dropout筛选，并采用分层线性回归算法对筛选结果打分，整合遗传与蛋白质组信息，用于识别乳腺癌中的基因脆弱性、候选驱动基因及癌细胞的一般功能基因组特性

sra

基因组回归Variation

PRJNA301998: The Functional Genomic Landscape of Human Breast Cancer Drivers, Vulnerabilities, and Resistance (pooled shRNA screens)

基本信息

模态

基因组

任务类型

回归

创建/更新时间

2026-10-20

资源简介

PRJNA301998：人乳腺癌驱动基因、脆弱性与耐药性的功能基因组图谱（pooled shRNA筛选）

PRJNA301998 数据集聚焦于人类乳腺癌的功能基因组学研究，其核心是对77株乳腺癌细胞系开展全基因组shRNA“dropout”筛选（基因敲低淘汰筛选），并采用分层线性回归算法对筛选结果进行打分，进而与配套的详细遗传学与蛋白质组学信息整合，用于识别乳腺癌中的基因脆弱性、候选驱动基因，以及揭示癌细胞的一般功能基因组特性。该数据集归属于肿瘤/乳腺癌分类，来源于NCBI（ncbi.nlm.nih.gov），主题标签为Variation。它为研究乳腺癌中因果变异与遗传改变所引发的 emergent vulnerabilities（新出现的脆弱性）提供了功能层面的实验数据支撑，并可与药物敏感性数据比较，提示潜在的耐药机制、现有抗癌药物的作用以及联合治疗的机会。

【数据集背景】

大规模基因组研究已在乳腺癌中鉴定出多种体细胞异常，包括拷贝数改变和点突变。然而，识别因果变异以及由遗传改变所引发的、随之出现的脆弱性，仍然是重大挑战。正是在这一背景下，研究者针对77株乳腺癌细胞系开展了全基因组shRNA dropout筛选，试图从功能层面弥补单纯基因组描述性研究的不足，将遗传改变与功能后果联系起来，从而为理解乳腺癌的驱动因素与脆弱环节提供实验依据。

【数据内容】

该数据集的核心内容是全基因组shRNA dropout筛选的结果，覆盖77株乳腺癌细胞系。筛选结果通过分层线性回归算法进行打分，并与伴随的详细遗传学信息和蛋白质组学信息进行整合。基于这些数据，研究者识别出乳腺癌中的脆弱性，包括候选“驱动基因”，并揭示了癌细胞的一般功能基因组特性。此外，将基因必需性与药物敏感性数据进行比较，还可提示潜在的耐药机制、现有抗癌药物的作用以及联合治疗的机会。主题标签为Variation，表明数据与变异相关。

【采集与来源】

该数据集来源于NCBI（ncbi.nlm.nih.gov），英文名称为“PRJNA301998: The Functional Genomic Landscape of Human Breast Cancer Drivers, Vulnerabilities, and Resistance (pooled shRNA screens)”。其数据产生方式为在77株乳腺癌细胞系上开展全基因组shRNA dropout筛选，属于pooled shRNA筛选类型。源站描述提及研究整合了遗传与蛋白质组信息，但关于样本采集的具体地点、时间跨度、伦理审批等细节，源站未提供。

【适用场景】

该数据集适用于乳腺癌功能基因组学研究，尤其是需要从功能层面识别基因脆弱性与候选驱动基因的场景。由于筛选结果与药物敏感性数据进行了比较，可用于探讨潜在耐药机制、评估现有抗癌药物的作用以及探索联合治疗的可能性。同时，其整合遗传与蛋白质组信息的分析框架，也适合用于研究遗传改变与功能后果之间的关系，以及癌细胞一般功能基因组特性的刻画。关于具体适用的分析软件或流程，源站未提供。

【使用方法】

源站描述提到使用分层线性回归算法对筛选结果进行打分，并将打分结果与详细的遗传和蛋白质组信息整合，以识别脆弱性与候选驱动基因。关于数据的具体文件格式、下载方式、预处理步骤及分析代码等，源站未提供。

【质量与限制】

该数据集基于77株乳腺癌细胞系的pooled shRNA筛选，其结果依赖于所采用的筛选与打分方法（分层线性回归算法）。源站描述未提供关于数据完整性、批次效应、重复性验证或假阳性/假阴性率的具体指标。关于数据的具体限制与偏差评估，源站未提供。

【引用与许可】

该数据集来自NCBI，英文名称为“PRJNA301998: The Functional Genomic Landscape of Human Breast Cancer Drivers, Vulnerabilities, and Resistance (pooled shRNA screens)”。关于具体的引用文献、作者列表以及数据使用许可条款，源站未提供。

原始链接

https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE74702

访问原始数据

官方服务

专家保障全链路合规授权与标注交付

陕川双基地 × 超十家三甲医院直连

从合规授权、采集治理、专业标注到数据集交付，我们提供全链路闭环服务，让高质量临床数据即拿即用。

⚡️ 需要原始数据或标注支持？联系我们获取定制方案。

帮我联系

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/PRJNA301998

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。

数据说明

大规模基因组研究已在乳腺癌中鉴定出多种体细胞异常，包括拷贝数改变和点突变。然而，识别因果变异以及由遗传改变所引发的涌现性脆弱性仍是重大挑战。我们对77个乳腺癌细胞系进行了全基因组shRNA“淘汰筛选”。利用分层线性回归算法对筛选结果进行评分，并将其与伴随的详细遗传和蛋白质组学信息整合，我们识别出乳腺癌中的脆弱性，包括候选“驱动因子”，并揭示了癌细胞的一般功能基因组特性。将基因必需性与药物敏感性数据进行比较，提示了潜在的耐药机制、现有抗癌药物的作用以及联合治疗的机会。最后，我们通过将BRD4鉴定为管腔型乳腺癌的潜在靶点，以及将PIK3CA突变鉴定为BET抑制剂的耐药决定因素，展示了这一大型数据集的实用性。出于技术原因，EFM19、HCC1954、HCC38筛选的T0测量值被省略。

T0测量值，无论细胞系如何，都代表了在细胞系特异性选择效应之前shRNA的初始丰度，导致不同细胞系间的T0测量值高度相关。我们的分析显示，来自不同细胞系的T0阵列对之间的中位相关性为0.92，而同一细胞系内重复阵列的相关性为0.94-0.97，不同细胞系的T1阵列之间的中位相关性为0.79，不同细胞系的T2阵列之间的中位相关性为0.68。因此，我们使用MCF7筛选的T0测量值为HCC1954和HCC38筛选提供初始shRNA丰度测量值，并使用SW527筛选的T0测量值为EFM19筛选提供初始测量值。更多格式化数据可在http://neellab.github.io/bfg/找到。代码和教程

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