代谢组学与蛋白质组学揭示Lactobacillus crispatus对宫颈癌细胞的抑制作用
该数据集来自omicsdi.org,属于肿瘤/宫颈癌分类,主题标签为Metabolomics。研究采用非靶向蛋白质组学和代谢组学技术,探究Lactobacillus crispatus对宫颈癌细胞(SiHa)及正常宫颈细胞(Ect1/E6E7)生长的影响

基本信息
资源简介
代谢组学与蛋白质组学揭示Lactobacillus crispatus对宫颈癌细胞的抑制作用
该数据集来自omicsdi.org,属于肿瘤/宫颈癌分类,主题标签为Metabolomics。研究采用非靶向蛋白质组学和代谢组学技术,探究Lactobacillus crispatus对宫颈癌细胞(SiHa)及正常宫颈细胞(Ect1/E6E7)生长的影响。研究发现Lactobacillus crispatus对SiHa细胞的抑制作用与多种生物学过程相关,尤其是铁死亡通路,并涉及HMOX1、SLC39A14、VDAC2、ACSL4和LPCAT3等铁死亡相关蛋白的表达调控。该数据可用于宫颈癌发病机制、铁死亡通路及益生菌抗肿瘤作用的研究(来源 omicsdi.org)。
【数据内容】
源站描述(机器翻译,仅供参考):宫颈癌因其高发病率和死亡率,仍是全球重大健康问题。近年来,Lactobacillus crispatus因在维持宫颈健康中的关键作用而受到关注。尽管已有研究探索使用L. crispatus缓解宫颈癌,但其潜在机制在很大程度上仍不清楚。在本研究中,我们采用非靶向蛋白质组学和代谢组学技术,探究L. crispatus如何影响宫颈癌细胞(SiHa)和正常宫颈细胞(Ect1/E6E7)的生长。我们的发现表明,L. crispatus对SiHa细胞的抑制作用与多种生物学过程相关,尤其是铁死亡通路。具体而言,发现L. crispatus通过SiHa细胞调控HMOX1、SLC39A14、VDAC2、ACSL4和LPCAT3等与铁死亡密切相关的蛋白表达。Addit
【主题与分类】
主题标签:Metabolomics。本站分类:肿瘤/宫颈癌。
【获取与许可】
源站页面:https://omicsdi.org/dataset/metabolights_dataset/MTBLS10498
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://omicsdi.org/dataset/metabolights_dataset/MTBLS10498
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
宫颈癌因其高发病率和死亡率,仍然是全球重要的健康问题。近年来,卷曲乳杆菌因其在维持宫颈健康中的关键作用而受到关注。尽管已有一些研究探索了利用卷曲乳杆菌来缓解宫颈癌,但其潜在机制仍很大程度上未知。在本研究中,我们采用非靶向蛋白质组学和代谢组学技术,探究卷曲乳杆菌如何影响宫颈癌细胞(SiHa)和正常宫颈细胞(Ect1/E6E7)的生长。我们的研究结果表明,卷曲乳杆菌对SiHa细胞的抑制作用与多种生物过程有关,尤其是铁死亡途径。具体而言,发现卷曲乳杆菌能够调节SiHa细胞中HMOX1、SLC39A14、VDAC2、ACSL4和LPCAT3等蛋白的表达,这些蛋白与铁死亡密切相关。此外,它还激活了SiHa细胞中的TCA循环,导致活性氧(ROS)和脂质过氧化物(LPO)水平升高。这些结果揭示了卷曲乳杆菌的治疗潜力。
crispatus在靶向铁死亡通路治疗宫颈癌方面的作用,为宫颈癌的研究和治疗开辟了新途径。
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。




