PRJNA980831：三阴性乳腺癌增强子RNA生成型超级增强子的CRISPR剖析鉴定肿瘤进展驱动因子 [Hi-C]

该数据集来自NCBI，聚焦三阴性乳腺癌（TNBC）中调控元件的系统分析，特别是产生增强子RNA（eRNA）的超级增强子。研究通过CRISPR技术剖析TNBC特异性转录增强子及其非编码eRNA转录本的功能，系统探测了排名前30的eRNA生成型超级增强子，旨在鉴定驱动肿瘤进展的因子

sra

基因组分类Other

PRJNA980831: CRISPR-Enabled Profiling of Enhancer RNA-Producing Super-Enhancers in Triple-Negative Breast Cancer Identifies Drivers of Tumor Progression [Hi-C]

基本信息

模态

基因组

任务类型

分类

创建/更新时间

2026-10-20

资源简介

PRJNA980831：三阴性乳腺癌增强子RNA生成型超级增强子的CRISPR剖析鉴定肿瘤进展驱动因子 [Hi-C]

该数据集来自NCBI，聚焦三阴性乳腺癌（TNBC）中调控元件的系统分析，特别是产生增强子RNA（eRNA）的超级增强子。研究通过CRISPR技术剖析TNBC特异性转录增强子及其非编码eRNA转录本的功能，系统探测了排名前30的eRNA生成型超级增强子，旨在鉴定驱动肿瘤进展的因子。数据集英文名称为PRJNA980831: CRISPR-Enabled Profiling of Enhancer RNA-Producing Super-Enhancers in Triple-Negative Breast Cancer Identifies Drivers of Tumor Progression [Hi-C]，本站分类为肿瘤 / 乳腺癌，主题标签为Other。该数据集围绕TNBC中增强子调控机制展开，属于Hi-C相关数据资源，可用于理解非编码调控元件在肿瘤进展中的潜在作用。

【数据集背景】

三阴性乳腺癌（TNBC）是乳腺癌中治疗最为困难的一种形式。尽管开创性的基因组研究已经鉴定了不同乳腺癌分子亚型中表达的基因谱，并为诊断、预后和治疗指导提供了重要工具，但乳腺癌仍然是女性癌症死亡的第二大原因。这在一定程度上是由于针对三阴性乳腺癌的靶向治疗手段匮乏。研究提出，对超出蛋白质编码基因范围的调控元件进行系统分析，可能为治疗干预开辟新途径。为此，研究分析了TNBC特异性转录增强子的调控机制及其非编码增强子RNA（eRNA）转录本，并系统探测了排名前30的eRNA生成型超级增强子的功能。

【数据内容】

该数据集的核心内容涉及三阴性乳腺癌中调控元件的系统分析，尤其是产生增强子RNA（eRNA）的超级增强子。研究通过CRISPR技术剖析TNBC特异性转录增强子及其非编码eRNA转录本的功能，系统探测了排名前30的eRNA生成型超级增强子，旨在鉴定驱动肿瘤进展的因子。数据集名称中包含[Hi-C]，表明其与Hi-C相关数据有关。主题标签为Other。本站分类为肿瘤 / 乳腺癌。除上述信息外，源站未提供更细粒度的数据内容说明。

【采集与来源】

该数据集的来源站为ncbi.nlm.nih.gov，数据集英文名称为PRJNA980831: CRISPR-Enabled Profiling of Enhancer RNA-Producing Super-Enhancers in Triple-Negative Breast Cancer Identifies Drivers of Tumor Progression [Hi-C]。源站描述指出，研究围绕TNBC中调控元件展开，分析TNBC特异性转录增强子及其非编码eRNA转录本，并系统探测排名前30的eRNA生成型超级增强子。除来源站和源站描述外，源站未提供关于样本采集地点、采集时间、实验平台、测序策略等更具体的采集信息。

【适用场景】

该数据集适用于关注三阴性乳腺癌调控机制的研究场景，特别是涉及增强子RNA、超级增强子以及非编码调控元件的分析。由于研究通过CRISPR技术剖析TNBC特异性转录增强子及其非编码eRNA转录本的功能，并系统探测排名前30的eRNA生成型超级增强子，该数据集可用于探索驱动肿瘤进展的潜在因子。数据集名称中包含[Hi-C]，提示其可能适用于与染色质构象或三维基因组相关的分析场景。本站分类为肿瘤 / 乳腺癌，主题标签为Other，因此也可作为肿瘤学特别是乳腺癌研究中的参考资源。除上述信息外，源站未提供更具体的适用场景说明。

【使用方法】

源站未提供具体的使用方法说明。该数据集来自NCBI，数据集英文名称为PRJNA980831: CRISPR-Enabled Profiling of Enhancer RNA-Producing Super-Enhancers in Triple-Negative Breast Cancer Identifies Drivers of Tumor Progression [Hi-C]。用户如需使用，应参考NCBI源站提供的相关说明和访问方式。除来源站和数据集名称外，源站未提供关于数据下载、预处理、分析流程或工具要求的具体信息。

【质量与限制】

源站未提供关于数据质量与限制的具体说明。该数据集聚焦三阴性乳腺癌中产生eRNA的超级增强子，研究系统探测了排名前30的eRNA生成型超级增强子，旨在鉴定驱动肿瘤进展的因子。由于源站描述未涉及数据完整性、准确性、覆盖度、批次效应或技术偏差等信息，无法进一步评估其质量与限制。主题标签为Other，本站分类为肿瘤 / 乳腺癌，数据集名称中包含[Hi-C]。除上述信息外，源站未提供其他质量与限制相关内容。

【引用与许可】

源站未提供引用与许可的具体说明。该数据集来自ncbi.nlm.nih.gov，数据集英文名称为PRJNA980831: CRISPR-Enabled Profiling of Enhancer RNA-Producing Super-Enhancers in Triple-Negative Breast Cancer Identifies Drivers of Tumor Progression [Hi-C]。用户在使用或引用时，应遵循NCBI源站的相关规定。除来源站和数据集名称外，源站未提供关于许可协议、使用条款或推荐引用格式的具体信息。

原始链接

https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE234323

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/PRJNA980831

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

三阴性乳腺癌（TNBC）是乳腺癌中治疗最为棘手的一种类型。开创性的基因组学研究已经鉴定了乳腺癌不同分子亚型中表达基因的全貌，并为诊断、预后和治疗指导提供了重要依据。然而，乳腺癌仍然是女性癌症死亡的第二大原因。这在一定程度上是由于三阴性乳腺癌（TNBC）缺乏靶向治疗手段。我们假设，对蛋白质编码基因之外的调控元件进行系统性分析，将开辟新的治疗干预途径。为此，我们分析了TNBC特异性转录增强子及其非编码增强子RNA（eRNA）转录本的调控机制。我们利用高通量CRISPR干扰（dCas9-KRAB）检测结合RNA测序，系统探究了产生eRNA最多的前30个超级增强子的功能，该方法能够在全基因组范围内无偏倚地检测靶基因。

利用Hi-C技术，我们构建了三维染色质相互作用图谱，以标注每个超级增强子的直接靶基因，并强调它们倾向于那些预示TNBC患者临床预后更差的基因。为了说明该数据集的应用价值，我们选取了一个调控邻近PODXL基因的新型超级增强子，并证明通过Cas9删除该超级增强子或通过Cas13 RNA切割特异性降解其增强子RNA，均会对靶基因表达、细胞增殖和迁移产生深远影响。此外，完全敲除PODXL超级增强子可导致小鼠异种移植实验中肿瘤生长和转移潜能的显著降低。总而言之，本研究探讨了关于编码于产生eRNA的超级增强子中的调控信息如何驱动构成三阴性乳腺癌生物学基础的基因表达网络的几个基本问题。总体

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