油酸与辐射处理SiHa细胞的RNA测序数据集
源站描述指出研究探索肥胖对放疗效果的影响,假设过量单/双不饱和脂肪酸(uFFAs)通过p53依赖机制增强宫颈癌对辐射的应答,涉及PPARg和p53信号、脂质摄取与代谢,以及体内油酸补充改善移植瘤放疗后生长延迟

基本信息
资源简介
油酸与辐射处理SiHa细胞的RNA测序数据集
RNA sequencing of SiHa cells treated with oleic acid and radiation
该数据集为GSE214501,包含经油酸和辐射处理的SiHa宫颈癌细胞RNA测序数据,共1个文件(GSE214501_series_matrix.txt.gz)。源站描述指出研究探索肥胖对放疗效果的影响,假设过量单/双不饱和脂肪酸(uFFAs)通过p53依赖机制增强宫颈癌对辐射的应答,涉及PPARg和p53信号、脂质摄取与代谢,以及体内油酸补充改善移植瘤放疗后生长延迟。数据可用于分析基因表达变化、筛选差异表达基因及研究脂肪酸与辐射联合作用的分子机制(来源 NCBI)。
【数据集背景】
源站首次发布:Sep 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):肥胖对放射治疗结果的影响尚不清楚。此前,我们报道肥胖宫颈癌患者在接受放化疗后预后更优。我们假设过量的单不饱和与双不饱和脂肪酸(uFFAs)增强对辐射的应答。在此,利用临床前模型,我们展示uFFAs通过一种新的p53依赖机制使宫颈癌对辐射敏感。uFFAs通过PPARg和p53发出信号,促进辐射后的脂质摄取、储存和代谢。稳定同位素标记证实,宫颈癌细胞在辐射应答中增加分解代谢和合成代谢的油酸代谢,并伴随对线粒体脂肪酸氧化生存依赖性的增加。在体内,外源性油酸补充改善了辐射后异种移植瘤的生长延迟,该效应可在肿瘤中部分模拟
【数据结构与技术规格】
文件数 1 个,合计 0 B。
【主题与分类】
主题标签:GPL24676、9606。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE214501
【使用注意】
· 源站最后修改于 Jan 03 202,引用时请注意版本时效。
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/geo/query/acc.cgi?acc=GSE214501
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
肥胖对放射治疗结局的影响尚不明确。此前,我们报道过肥胖的宫颈癌患者在接受放化疗后具有更优的结局。我们假设过量的单不饱和脂肪酸和多不饱和脂肪酸(uFFAs)可增强对放射线的应答。在此,我们利用临床前模型表明,uFFAs通过一种新的p53依赖性机制使宫颈癌对放射线敏感。uFFAs通过PPARg和p53发出信号,促进放射后的脂质摄取、储存和代谢。稳定同位素标记证实,宫颈癌细胞在放射线作用下增加油酸的分解代谢和合成代谢,并伴随对线粒体脂肪酸氧化依赖性的增加以维持生存。在体内,外源性油酸补充改善了放射后异种移植瘤的生长延迟,该效应可在高脂饮食诱导的肥胖小鼠肿瘤中被部分模拟。这些结果提示,补充uFFAs可能改善肿瘤对放射治疗的应答,尤其是在TP53野生型肿瘤中。
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。




