PRJNA495052:氨基酸可用性与后续代谢重编程维持乳腺癌内分泌耐药(microRNA)
该数据集来自 NCBI,属于肿瘤/乳腺癌领域,主题为转录组或基因表达。数据围绕雌激素受体阳性乳腺癌内分泌治疗耐药(ETR)展开,涉及 miR-23b-3p 与氨基酸转运体 SLC6A14 之间的失调节点,以及自噬激活和 SLC1A2 介导的天冬氨酸、谷氨酸摄取增强

基本信息
资源简介
PRJNA495052:氨基酸可用性与后续代谢重编程维持乳腺癌内分泌耐药(microRNA)
该数据集来自 NCBI,属于肿瘤/乳腺癌领域,主题为转录组或基因表达。数据围绕雌激素受体阳性乳腺癌内分泌治疗耐药(ETR)展开,涉及 miR-23b-3p 与氨基酸转运体 SLC6A14 之间的失调节点,以及自噬激活和 SLC1A2 介导的天冬氨酸、谷氨酸摄取增强。可用于研究内分泌耐药相关的 microRNA 调控与氨基酸代谢重编程机制,并支持耐药特征预测与靶向干预分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):大多数乳腺肿瘤表达雌激素受体(ER),并将内分泌治疗(ET)作为标准治疗。尽管其有效,约40%的女性会复发为内分泌治疗耐药(ETR)疾病。对ETR细胞的全局转录分析及随后的整合方法显示,miR-23b-3p与氨基酸转运体SLC6A14之间存在一个失调节点。机制分析支持这样一种模型:这种失调损害了ETR细胞中的氨基酸代谢,随后激活自噬,并增强由SLC1A2转运体介导的天冬氨酸和谷氨酸输入。这些发现的临床意义在一个大型ET治疗患者队列、患者来源异种移植和体内实验中通过多种正交方法得到验证。靶向这种重编程可损害ETR细胞的侵袭性特征,并提供预测性生
【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/PRJNA495052
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/PRJNA495052
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
大多数乳腺肿瘤表达雌激素受体(ER),并将内分泌治疗(ET)作为标准治疗。尽管其疗效显著,但约40%的女性会复发为内分泌治疗耐药(ETR)疾病。对ETR细胞的全局转录分析及后续整合方法显示,miR-23b-3p与氨基酸转运体SLC6A14之间存在一个失调节点。机制分析支持这样一种模型:这种失调损害了ETR细胞中的氨基酸代谢,随后激活自噬,并通过SLC1A2转运体增强天冬氨酸和谷氨酸的输入。这些发现的临床意义在一个大型ET治疗患者队列、患者来源的异种移植瘤以及体内实验中通过多种正交方法得到了验证。靶向这种重编程可削弱ETR细胞的侵袭性特征,并提供预测性生物标志物和潜在的可靶向通路,用于对抗或延缓ER阳性乳腺癌中的ETR。
总体设计:本数据集包含9个样本,源自亲本细胞系MCF7(乳腺腺癌模型)的3次独立RNA提取,分别在存在(MCF7+E2)或缺乏(MCF7-E2)雌激素(E2)的条件下,以及其衍生的长期雌激素剥夺(LTED)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。




