PRJNA635931:乳腺癌与甲状腺癌细胞中甲状腺激素受体β的共同抑瘤信号
该数据集来自 NCBI,聚焦甲状腺激素受体β(TRβ)在乳腺癌与甲状腺癌细胞中的共同抑瘤信号。研究将 TRβ 导入 MDA-MB-468 基底样乳腺癌细胞系并进行 RNA-sequencing,以确定转录组信号变化;TRβ 表达的 MDA-MB-468 细胞经 PCA-PAM50 评分及间充质细胞角

基本信息
资源简介
PRJNA635931:乳腺癌与甲状腺癌细胞中甲状腺激素受体β的共同抑瘤信号
该数据集来自 NCBI,聚焦甲状腺激素受体β(TRβ)在乳腺癌与甲状腺癌细胞中的共同抑瘤信号。研究将 TRβ 导入 MDA-MB-468 基底样乳腺癌细胞系并进行 RNA-sequencing,以确定转录组信号变化;TRβ 表达的 MDA-MB-468 细胞经 PCA-PAM50 评分及间充质细胞角蛋白抑制表现出更强的上皮特征,上皮-间充质转化通路也显著降低。该数据集还与甲状腺癌细胞系 SW1736 的 RNA 测序结果比较,以确定跨两种组织类型受 TRβ 调控的基因。数据可用于转录组与基因表达分析(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):甲状腺激素受体β(TRβ)在多种实体瘤中是一种抑瘤因子,最显著的是在乳腺癌和甲状腺癌中。更深入地理解 TRβ 消除肿瘤发生的分子机制,有助于理解 TRβ 所促进的核心抑瘤程序。在此,我们将 TRβ 导入 MDA-MB-468 基底样乳腺癌细胞系并进行 RNA 测序,以确定转录组信号的变化。经 PCA-PAM50 评分以及间充质细胞角蛋白的抑制所确定,表达 TRβ 的 MDA-MB-468 细胞表现出更强的上皮特征。上皮-间充质转化通路也显著降低。MDA-MB-468 数据集还与甲状腺癌细胞系 SW1736 的 RNA 测序结果进行比较,以确定在两种组织类型中均受 TRβ 调控的基因。硬脂酸生物合成
【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/PRJNA635931
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/PRJNA635931
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
甲状腺激素受体β(TRβ)在多种实体瘤中是一种抑癌因子,尤其在乳腺癌和甲状腺癌中最为显著。深入理解TRβ抑制肿瘤发生的分子机制,有助于揭示TRβ所促进的核心抑癌程序。在此,我们将TRβ引入MDA-MB-468基底样乳腺癌细胞系,并进行RNA测序以确定转录组信号的变化。表达TRβ的MDA-MB-468细胞通过PCA-PAM50评分及间充质细胞角蛋白的抑制,表现出更强的上皮特征。上皮-间充质转化通路也显著减弱。还将MDA-MB-468数据集与甲状腺癌细胞系SW1736的RNA测序结果进行比较,以确定在两种组织类型中受TRβ调控的基因。共享基因集显示硬脂酸生物合成上调,这是一种已知能抑制乳腺肿瘤发生的脂质,染色质重塑通路也同样上调。
这些数据为TRβ抑制乳腺肿瘤发生的分子机制提供了新的见解,并提示其在乳腺癌和甲状腺癌中具有共同的代谢作用,以及TRβ在维持上皮细胞身份中的作用。总体设计:对稳定过表达TRβ的乳腺癌细胞进行转录组分析,并与同样过表达TRβ的甲状腺癌细胞(GSE150364)进行比较。
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。




