PRJNA436346:HER2过表达改变MCF7乳腺癌细胞系对缺氧的细胞响应
该数据集来自NCBI,属于肿瘤/乳腺癌分类,主题为转录组或基因表达。数据围绕HER2过表达对MCF7乳腺癌细胞系在缺氧条件下细胞响应的影响,涉及HIF1与HIF2及其氧不稳定α亚基的调控机制

基本信息
资源简介
PRJNA436346:HER2过表达改变MCF7乳腺癌细胞系对缺氧的细胞响应
该数据集来自NCBI,属于肿瘤/乳腺癌分类,主题为转录组或基因表达。数据围绕HER2过表达对MCF7乳腺癌细胞系在缺氧条件下细胞响应的影响,涉及HIF1与HIF2及其氧不稳定α亚基的调控机制。源站描述提及利用同源细胞系模型研究HER2驱动HIF2α表达,并在2D和3D细胞系中考察急性和慢性缺氧响应。可用于研究乳腺癌缺氧信号、HER2与HIF2α关系及基因表达分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):肿瘤缺氧是公认的乳腺癌病理驱动因素。对缺氧的主要细胞响应由缺氧诱导因子HIF1和HIF2介导,并通过氧不稳定HIFα亚基的调控来控制。HIF1α在乳腺癌中具有明确作用,并已被证明受生长因子信号调控。然而,HIF2α的作用研究较少。本文在乳腺癌细胞系和公开可用的基因表达数据集中研究了HIF2α的作用,以确定其与乳腺癌中HER2受体表达的关系。利用HER2过表达的同源细胞系模型,我们确立了HER2在驱动乳腺癌中HIF2α表达的直接作用。在2D和3D细胞系中研究了HER2介导的HIF2α表达对急性和慢性缺氧细胞响应的影响。
【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/PRJNA436346
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/PRJNA436346
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
肿瘤缺氧是公认的乳腺癌病理驱动因素。细胞对缺氧的主要反应由缺氧诱导因子HIF1和HIF2介导,并通过氧不稳定型HIFα亚基的调控来实现。HIF1α在乳腺癌中的作用已得到充分证实,并已被证明受生长因子信号传导的调控。然而,HIF2α的作用研究尚不够深入。本研究在乳腺癌细胞系和公开可用的基因表达数据集中探讨了HIF2α的作用,以确定其与乳腺癌中HER2受体表达的关系。利用HER2过表达的等基因细胞系模型,我们确立了HER2在驱动乳腺癌中HIF2α表达的直接作用。我们在2D和3D细胞系模型中研究了HER2介导的HIF2α表达对急性和慢性缺氧细胞反应的影响,并通过蛋白质和基因表达分析表明,HER2在这些细胞中驱动了加剧的缺氧反应。
在生长实验中,过表达HER2的细胞系通过HIF2α靶向siRNA及使用HIF2α特异性翻译抑制剂C76处理,显示出对HIF2特异性抑制的高度敏感性。此外,在一个大型公开数据集中的生存分析表明,HIF2α与HER2过表达肿瘤中疾病特异性生存率较差之间存在关联。我们展示了HIF2α在驱动乳腺癌细胞缺氧反应增强中的新作用,并提出HIF2信号通路可能是HER2阳性乳腺癌中一个重要的可靶向通路。总体设计:从在常氧(20% O2)或低氧(0.5% O2)条件下培养24小时(急性)或10周(慢性)的MCF7和MCF7-HER2细胞中提取总RNA。每个样本设n=3个重复。
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。




