靶向BNAT1 siRNA处理人乳腺癌MCF7细胞的基因表达数据
该数据集来自NCBI,收录人乳腺癌MCF7细胞经靶向雌激素诱导型长链非编码RNA BNAT1(别名COL18AS)的siRNA处理后的基因表达数据

基本信息
资源简介
靶向BNAT1 siRNA处理人乳腺癌MCF7细胞的基因表达数据
该数据集来自NCBI,收录人乳腺癌MCF7细胞经靶向雌激素诱导型长链非编码RNA BNAT1(别名COL18AS)的siRNA处理后的基因表达数据。BNAT1转录自COL18A1近端启动子区,在ER阳性MCF7细胞中被鉴定为雌激素诱导型lncRNA,其沉默可抑制他莫昔芬耐药MCF7细胞的体外与体内生长。数据可用于研究BNAT1在ER阳性及内分泌耐药乳腺癌中的调控作用,以及ER信号相关转录组变化(来源 ncbi.nlm.nih.gov)。
【数据内容】
源站描述(机器翻译,仅供参考):内分泌治疗耐药是雌激素受体(ER)阳性乳腺癌临床管理中的一个难题。阐明调节ER信号的因子,将为理解ER阳性和内分泌耐药乳腺癌的病理生理学提供有用信息。在从ERα相关活性启动子/增强子转录的雌激素诱导型lncRNA筛选中,在ER+ MCF7细胞中鉴定出一种新型雌激素诱导型lncRNA BNAT1(breast cancer natural antisense transcript 1),其转录自COL18A1的近端启动子区。siRNA介导的BNAT1沉默显著抑制了他莫昔芬耐药MCF7细胞的体外和体内生长。为研究长链非编码RNA BNAT1(本数据集中使用别名基因名COL18AS)在ER+乳腺癌中的作用,用靶向BNAT1的siRNA(siCOL18)处理MCF7细胞。
【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/PRJNA876736
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/PRJNA876736
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
内分泌治疗耐药是雌激素受体(ER)阳性乳腺癌治疗中的一个临床难题。阐明调控ER信号通路的因素,将为理解ER阳性和内分泌耐药乳腺癌的病理生理学提供有用信息。在从ERα相关的活性启动子/增强子转录的雌激素诱导型lncRNA筛选中,在ER+ MCF7细胞中鉴定出一种新型雌激素诱导型lncRNA BNAT1(乳腺癌天然反义转录本1),其转录自COL18A1的近端启动子区域。siRNA介导的BNAT1沉默显著抑制了他莫昔芬耐药的MCF7细胞的体外和体内生长。为探讨长链非编码RNA BNAT1(该数据集中使用别名基因名COL18AS)在ER+乳腺癌中的作用,用靶向BNAT1的siRNA(siCOL18AS或siBNAT1)或对照siRNA(siCtrl或siControl)处理MCF7细胞。微阵列研究表明,BNAT1与雌激素信号通路密切相关。
总体设计:来自经靶向雌激素诱导长链非编码RNA BNAT1(乳腺癌天然反义转录本1)的siRNA处理的人乳腺癌MCF7细胞的基因表达数据。
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。




