选择性表达RNA分子作为功能化细胞靶向的多功能工具
基于Nano-DMS-MaP分析的选择性表达RNA（seRNAs）结构数据，用于开发乳腺癌和脑肿瘤的精准靶向治疗技术。
基本信息
资源简介
选择性表达RNA分子作为功能化细胞靶向的多功能工具
【数据集背景】
本数据集源站标题为《Selectively expressed RNA molecules as a versatile tool for functionalized cell targeting》。源站首次发布：2024-12-12。
【数据内容】
源站原始描述：Exact targeting of specific mammalian cell types or diseased cells is one of the most urgently needed prerequisites for a new generation of potent pharmaceuticals. Different approaches have been pursued, failing mainly due to a lack of specific surface markers in most cases. Developing a novel RNA-based methodology, we can now ensure exact cell targeting and simultaneously combine this with selective expression of effector proteins, thereby functionalization of the target cell for therapy, diagn…
中文译文（机器翻译，仅供快速理解，请以原文为准）：对特定哺乳动物细胞类型或病变细胞的精准靶向，是新一代强效药物最迫切需要的前提条件之一。人们已尝试过多种不同方法，但大多因多数情况下缺乏特异性表面标志物而失败。通过开发一种新型的基于RNA的方法，我们现在能够确保精准的细胞靶向，同时将其与效应蛋白的选择性表达相结合，从而使靶细胞功能化，用于治疗、诊断或细胞操控。将反义技术和mRNA疗法的分子特性与基于Nano-DMS-MaP分析的功能性RNA二级结构特异性结合，使我们能够开发出用于医学应用的选择性表达RNA分子。这些所谓的seRNA在非靶细胞中保持无活性，仅通过部分降解被激活，从而在预先选定的目标细胞类型中诱导翻译。基于简单的模块化系统，细胞类型特异性和功能化类型易于调整。在体外和体内的概念验证研究中，我们将seRNA用作高度选择性的平台技术，以实现强效细胞靶向。我们在混合细胞系统中有效治疗乳腺肿瘤细胞簇，并且仅通过单次治疗即可缩小小鼠早期脑肿瘤，且未检测到副作用。我们的数据为多种治疗应用开辟了新的潜在途径
【主题与分类】
主题标签：PRJNA1193582。
【适用方向】
组学数据适用于生物标志物发现与分子分型相关建模研究。
【获取与许可】
源站页面：https://www.ncbi.nlm.nih.gov/sra/SRP549126
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://www.ncbi.nlm.nih.gov/sra/SRP549126
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:
数据加载示例（表格/文本类）
import pandas as pd, glob, os
files = (glob.glob(os.path.join(path, "**", "*.csv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.tsv"), recursive=True)
+ glob.glob(os.path.join(path, "**", "*.xlsx"), recursive=True))
print("数据文件:", files)
df = pd.read_csv(files[0])
print(df.shape); print(df.columns.tolist()); print(df.head(3))
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。
