宫颈癌RNA修饰组学测序数据

该数据集包含针对宫颈癌的RNA修饰组学测序数据,数据模态为基因测序数据,通过TRIzol分离RNA、抗m6A抗体免疫沉淀和Novaseq平台测序获得,主要用于研究RNA修饰(如m6A甲基化)在宫颈癌发生发展中的分子机制,为疾病诊断和治疗提供潜在生物标志物。

中国科学院北京基因组研究所中国科学院北京基因组研究所
干细胞与再生医学数据中心
2022-11-04 更新
浏览 37
宫颈鳞癌m6ARNA甲基化cervical carcinomaRNA methylation人子宫肿瘤转录组表观组
Cervical Cancer RNA Modificomics Sequencing Dataset

基本信息

创建/更新时间
2022-11-04

资源简介

宫颈癌RNA修饰组学测序数据

【数据集背景】

源站首次发布:2022-11-04。

【数据内容】

源站原始描述:通过TRIzol(Invitrogen)试剂分离RNA,并用Dynabeads mRNA纯化试剂盒(Invitrogen)提取mRNA,mRNA 在IPP 缓冲液(150 mM NaCl、0.1%NP-40和10 mM Tris-HCl[pH7.4])与用12 μg 抗m6A多克隆抗体(Synaptic Systems,202003)进行孵育,并在4°C下处理2小时进行打断。然后通过在4℃下与50μl Protein-A 微珠(Sigma,P9424)孵育2小时,之后用0.5 mg/ml N6甲基腺苷(BERRY&ASSOCIATES,PR3732)洗脱三次后用Trizol萃取。将剩余的RNA重新悬浮在上清中,并用TruSeq进行文库生成™ RNA样品制备试剂盒v2(Illumina,San Diego,CA,USA)。在配对读取模式下使用Novaseq对文库进行测序,产生长度为150bp的读取。

【主题与分类】

主题标签:宫颈鳞癌、m6A、RNA甲基化、cervical carcinoma、m6A、RNA methylation、人、子宫、肿瘤、转录组。

【获取与许可】

源站页面:http://data.iscr.ac.cn/Article?id=63636340907ddd0adee99ecd

规范引用:35786.11.58e9194e1a154c8baa824148bd2c6b47

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:http://data.iscr.ac.cn/Article?id=63636340907ddd0adee99ecd

标准获取流程:

  1. 访问源站链接,注册/登录账号;
  2. 进入数据集详情页,按页面指引申请权限或直接下载;
  3. 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

该数据集是针对宫颈癌的RNA修饰组学测序数据,通过TRIzol试剂分离RNA,并使用Dynabeads mRNA纯化试剂盒提取mRNA。随后,mRNA在IPP缓冲液中与抗m6A多克隆抗体孵育,并通过Protein-A微珠进行免疫沉淀,洗脱后利用TruSeq RNA样品制备试剂盒v2构建文库。测序在Novaseq平台上以配对读取模式进行,产生150bp长度的读取。该数据集来源于中国科学院北京基因组研究所,主要应用于宫颈癌的分子机制研究,特别是RNA修饰(如m6A甲基化)在疾病发生发展中的作用分析。

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。

获取专属数据定制方案