GSE304077:P4HA3通过促进ACLY介导的铁死亡抵抗驱动宫颈癌淋巴转移
研究聚焦宫颈癌淋巴转移机制,涉及P4HA3上调与ACLY介导的铁死亡抵抗,可用于探索宫颈癌转移相关基因表达特征及预后关联分析(来源 NCBI)

基本信息
资源简介
GSE304077:P4HA3通过促进ACLY介导的铁死亡抵抗驱动宫颈癌淋巴转移
P4HA3 drives cervical cancer lymphatic metastasis by facilitating ACLY-mediated ferroptosis resistance
该数据集来自NCBI GEO,包含1个文件GSE304077_series_matrix.txt.gz,主题为高通量测序表达谱分析,物种为人类(9606),平台为GPL24676。研究聚焦宫颈癌淋巴转移机制,涉及P4HA3上调与ACLY介导的铁死亡抵抗,可用于探索宫颈癌转移相关基因表达特征及预后关联分析(来源 NCBI)。
【数据集背景】
源站首次发布:Jul 30 202。
【数据内容】
源站描述(机器翻译,仅供参考):淋巴结是宫颈癌(CCa)最常见的远处转移部位,导致预后不良和治疗效率有限。识别促进CCa淋巴转移的因素对于开发有效的预防和治疗策略是必要的。在这里,我们发现脯氨酰4-羟化酶亚基α3(P4HA3),一种脯氨酰羟化酶的α亚基,在宫颈癌淋巴转移病灶中上调,这与不良预后强烈相关。体外和体内实验表明,P4HA3通过赋予ATP-柠檬酸裂解酶(ACLY)介导的铁死亡抵抗来促进CCa淋巴转移。机制上,P4HA3通过竞争性抑制ACLY与E3泛素连接酶UBR4的相互作用来稳定ACLY蛋白,从而阻止UBR4介导的ACLY蛋白酶体降解。ACLY衍生的乙酰辅酶A增强H3K27乙酰
【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=GSE304077
【使用注意】
· 源站最后修改于 Jun 18 202,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=GSE304077
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
淋巴结是宫颈癌(CCa)最常见的远处转移部位,其转移预示着不良预后和治疗效率有限。为制定有效的预防和治疗策略,需要明确促进CCa淋巴转移的因素。本研究发现,在宫颈癌淋巴转移病灶中,脯氨酰4-羟化酶α亚基3(P4HA3)——脯氨酰羟化酶的一个α亚基——表达上调,且与不良预后密切相关。体外和体内实验表明,P4HA3通过赋予ATP-柠檬酸裂解酶(ACLY)介导的铁死亡抵抗能力,促进CCa淋巴转移。机制上,P4HA3通过竞争性抑制ACLY与E3泛素连接酶UBR4的相互作用,稳定ACLY蛋白,从而阻止UBR4介导的ACLY蛋白酶体降解。ACLY衍生的乙酰辅酶A增强了SLC7A11基因启动子区的H3K27乙酰化(H3K27Ac)修饰水平,最终增强SLC7A11转录和铁死亡抵抗。
总体而言,我们的研究从机制上揭示了铁死亡抵抗与淋巴结转移之间的相互作用,为对抗宫颈癌淋巴结转移提供了可能。
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。




