Bruceantinol靶向GPX4触发宫颈癌铁死亡研究支持数据
本数据集为Bruceantinol靶向GPX4触发宫颈癌铁死亡研究的支持数据，来源于Mendeley Data，包含分子对接输入与结果文件以及原始Western Blot全膜扫描图
基本信息
资源简介
Bruceantinol靶向GPX4触发宫颈癌铁死亡研究支持数据
本数据集为“Bruceantinol targeting GPX4 triggers ferroptosis in cervical cancer”研究的支持数据，来源于Mendeley Data，属于肿瘤/宫颈癌领域。数据集围绕天然产物Bruceantinol（BOL）靶向GPX4并触发宫颈癌铁死亡这一主题，汇集了分子对接的输入与结果文件，以及研究中使用的全部原始Western Blot全膜扫描图。分子对接部分涉及BOL配体与GPX4、Nrf2、HO1三种蛋白结构的盲对接计算，结果以结合构象和Vina评分形式呈现；Western Blot部分则提供了未裁剪的全长膜扫描图像，用于展示BOL处理下铁死亡相关抗氧化蛋白及细胞周期调控因子的剂量依赖性变化。该数据集面向肿瘤学、药物发现、天然产物化学、计算生物学及铁死亡研究等方向，可供相关领域研究者参考与复用。
【数据集背景】
宫颈癌是严重威胁女性健康的恶性肿瘤之一，寻找新的治疗靶点与天然来源的小分子干预手段是肿瘤药物发现的重要方向。铁死亡作为一种铁依赖性的脂质过氧化驱动的新型细胞死亡方式，近年来在肿瘤治疗研究中受到广泛关注。本研究聚焦于天然产物Bruceantinol（BOL）是否能够通过靶向GPX4触发宫颈癌细胞铁死亡，并围绕这一核心问题开展了分子对接预测与实验验证。数据集即为该研究过程中产生的支持性数据，涵盖计算模拟与实验原始图像两类材料，旨在为研究结论提供可追溯的数据支撑。该数据集由Mendeley Data发布，发布时间为2026年，作者包括chen, meilin、Yang, Ying、Chu, Chenyang、Zhang, Fengxian、Zhou, Jie、Yang, Shuxuan、Wu, Chuanghai、Peng, Baizhao、Chen, Xiaomei、You, Yanting、Kwan, Hiu Yee、Huang, Liping、Wu, Fei、Zhao, Xiaoshan、Liu, Yanyan等。
【数据内容】
数据集包含两类主要文件。第一类为“BP-Table S1 Five blind connections through CB-Dock2.xlsx”，该文件收录了将BOL配体（MOL2格式）分别与GPX4（PDB格式，UniProt ID: A0A0A0MTT1）、Nrf2（PDB格式，UniProt ID: AF-Q16236-F1-v4）以及HO1（PDB格式，UniProt ID: AF_E7BJU4_F1_v4）蛋白结构进行对接的输入文件与结果。对接通过CB-Dock2完成，文件中列出了结合构象及其对应的Vina评分（单位：kcal/mol），评分越负表示预测的结合亲和力越强。第二类为“Research Data-Original Western Blots.pdf”，提供研究中所有Western Blot膜未裁剪的全长扫描图。该部分服务于核心机制分析（BOL处理），目的是展示BOL对铁死亡相关抗氧化蛋白（Nrf2、HO-1、GPX4）以及细胞周期调控因子（Cyclin D1、CDK4）表达的剂量依赖性影响。
【采集与来源】
数据集来源于Mendeley Data，来源站为doi.org。分子对接数据通过CB-Dock2平台计算获得，涉及BOL配体与三种蛋白结构的盲对接。Western Blot原始图像来自该研究实验过程中产生的未裁剪全膜扫描。作者信息与机构信息如上所述。除上述来源信息外，源站未提供更详细的样本采集时间、地点、实验条件或仪器参数等信息。
【适用场景】
该数据集适用于肿瘤学、药物发现、天然产物化学、计算生物学及铁死亡研究等领域。具体而言，分子对接文件可用于分析BOL与GPX4、Nrf2、HO1的预测结合模式与亲和力，为理解其潜在靶点与作用机制提供计算依据；原始Western Blot全膜扫描图可用于核查BOL处理下铁死亡相关抗氧化蛋白与细胞周期调控因子表达变化的原始证据，适合作为机制研究的参考材料或用于结果复核。主题标签包括Oncology、Drug Discovery、Natural Product Chemistry、Computational Biology、Ferroptosis。
【使用方法】
使用者可先查阅“BP-Table S1 Five blind connections through CB-Dock2.xlsx”，了解BOL配体与GPX4、Nrf2、HO1三种蛋白的对接输入与结果，重点关注各结合构象对应的Vina评分，评分越负代表预测结合亲和力越强。对于Western Blot部分，可打开“Research Data-Original Western Blots.pdf”，查看未裁剪的全长膜扫描图，结合研究目的分析BOL对Nrf2、HO-1、GPX4以及Cyclin D1、CDK4表达的剂量依赖性影响。使用时应结合研究原文理解实验设计与结论。源站未提供其他具体使用步骤或软件操作说明。
【质量与限制】
分子对接结果基于CB-Dock2计算，Vina评分为预测性指标，反映的是预测结合亲和力，并非实验测定的结合常数。Western Blot图像为原始全膜扫描，未提供裁剪后目标条带或定量分析数据。数据集未提供样本量、重复次数、统计方法或实验条件等详细信息。源站未提供关于数据质量控制、验证方法或已知偏差的说明。
【引用与许可】
作者包括chen, meilin、Yang, Ying、Chu, Chenyang、Zhang, Fengxian、Zhou, Jie、Yang, Shuxuan、Wu, Chuanghai、Peng, Baizhao、Chen, Xiaomei、You, Yanting、Kwan, Hiu Yee、Huang, Liping、Wu, Fei、Zhao, Xiaoshan、Liu, Yanyan。数据集发布于Mendeley Data，发布时间为2026年。源站未提供具体的引用格式或许可条款信息。
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://doi.org/10.17632/r4c7d6wwsh.1
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:
数据集大小约 11.6 MB。
数据说明
1、BP-Table S1 Five blind connections through CB-Dock2.xlsx：包含将BOL配体（MOL2格式）对接至GPX4（PDB格式，UniProt ID：A0A0A0MTT1）、Nrf2（PDB格式，UniProt ID：AF-Q16236-F1-v4）和HO1（PDB格式，UniProt ID：AF_E7BJU4_F1_v4）蛋白结构的输入文件及结果。对接使用CB-Dock2完成。BP-Table S1 Five blind connections through CB-Dock2文件列出了结合构象及其对应的Vina评分（单位：kcal/mol），评分越负表示预测的结合亲和力越强。2、Research Data-Original Western Blots.pdf：研究中使用的所有Western blot膜未经裁剪的完整扫描图。1）核心机制分析（BOL处理）：目的：证明BOL对铁死亡相关抗氧化蛋白（Nrf2、HO-1、GPX4）和细胞周期调节因子（Cyclin D1、CDK4）表达的剂量依赖性效应。对应关系：这些印迹对应展示Nrf2/HO-1/GPX4轴下调（如Fig. 3F、G）和细胞周期阻滞（如Fig. S1）机制的主图。
2)铁死亡挽救实验（BOL + Fer-1）：目的：验证BOL的细胞毒性作用是否特异性地通过铁死亡介导。Fer-1共处理下GPX4蛋白水平的恢复支持这一机制性主张。对应关系：这些印迹对应于补充图（例如图S2），展示Fer-1对GPX4表达的挽救。3)靶点结合验证（BOL-GPX4相互作用的CETSA）：目的：提供直接靶点结合的生化证据。BOL处理样品中GPX4热稳定性的增加表明该化合物与蛋白之间存在直接结合相互作用。对应关系：这些印迹对应于展示BOL诱导的GPX4稳定化的图（例如图6C、D）。3、研究数据-宫颈细胞中DEGs分析.xlsx包含由RNA-seq鉴定的差异表达基因（DEGs）的完整列表
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。
